OU Portal
Log In
Welcome
Applicants
Z6_60GI02O0O8IDC0QEJUJ26TJDI4
Error:
Javascript is disabled in this browser. This page requires Javascript. Modify your browser's settings to allow Javascript to execute. See your browser's documentation for specific instructions.
{}
Zavřít
Publikační činnost
Probíhá načítání, čekejte prosím...
publicationId :
tempRecordId :
actionDispatchIndex :
navigationBranch :
pageMode :
tabSelected :
isRivValid :
Typ záznamu
*
:
stať ve sborníku (D)
Domácí pracoviště
*
:
Katedra informatiky a počítačů (31400)
Název
*
:
Adaptivní stochastické algoritmy v nelineární regresi
Citace :
Tvrdík, J. Adaptivní stochastické algoritmy v nelineární regresi: Sborník prací 15. letní školy JČMF ROBUST 2008.
In:
ROBUST 2008.
Praha: JČMF, 2009. JČMF, 2009. s. 453-460. ISBN 978-80-7015-004-7.
Podnázev :
Sborník prací 15. letní školy JČMF ROBUST 2008
Rok
*
:
2009
Obor
*
:
Aplikovaná statistika, operační výzkum
Počet stran
*
:
8
Strana od
*
:
453
Strana do
*
:
460
Forma vydání
*
:
Kód ISBN
*
:
978-80-7015-004-7
Kód ISSN :
Název sborníku
*
:
ROBUST 2008
Sborník :
Mezinárodní
Název nakladatele
*
:
JČMF
Místo vydání
*
:
Praha
Stát vydání :
Sborník vydaný v ČR
Název konference :
ROBUST 2008
Místo konání konference
*
:
Pribylina, SK
Datum zahájení konference
*
:
Typ akce podle státní
příslušnosti účastníků akce
*
:
Celostátní akce
Kód UT WoS :
EID :
Klíčová slova anglicky
*
:
Nonlinear regression, parameter estimation, global optimization, differential evolution, controlled random search, self-adaptive algorithms.
Popis v původním jazyce
*
:
Příspěvek se zabývá využitím adaptivních stochastických algoritmů v~odhadu parametrů nelineárních regresních modelů. Adaptivní algoritmus řízeného náhodného prohledávání (CRS) je experimentálně porovnán s~novými adaptivními verzemi diferenciální evoluce (DE) na úlohách z~referenční databáze NIST. Pouze některé verze DE jen na několika málo úlohách předčily algoritmus CRS.
Popis v anglickém jazyce
*
:
Self-adaptive stochastic algorithms are applied to the estimation of parameters in non-linear regression models. Self-adaptive variant of controlled random search (CRS) is compared experimentally with novel self-adaptive variants of differential evolution (DE) using tasks of NIST reference datasets. Several variants of DE outperformed CRS in a few tasks only.
Typ zdroje financování výsledku
*
:
Projekty CEP/Záměry CEZ
Seznam projektů :
ID Projektu
Název projektu
Seznam ohlasů :
Ohlas
R01:
RIV/61988987:17310/09:A1000QXQ
Complementary Content
Deferred Modules
${title}
${badge}
${loading}
Deferred Modules