Vylepšení algoritmů pro symbolickou regresi založených na genetickém programování

Enhancements of Genetic Programming-based Symbolic Regression Algorithms

Typ dokumentu
disertační práce
doctoral thesis
Autor
Jan Žegklitz
Vedoucí práce
Pošík Petr
Oponent práce
Affenzeller Michael
Studijní obor
Umělá inteligence a biokybernetika
Studijní program
Elektrotechnika a informatika
Instituce přidělující hodnost
katedra kybernetiky


Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznam
Abstrakt
Symbolická regrese (SR) je druh regresní analýzy, kde je cílem najít model ve formě matematického výrazu, který
 
Symbolic regression (SR) is a kind of regression task where the goal is to find a model in the form of a mathematical expression that is as small as possible and, preferably, human-readable.
 
URI
http://hdl.handle.net/10467/96767
Zobrazit/otevřít
Kolekce