Главная Назад


Авторизация
Идентификатор пользователя / читателя
Пароль (для удалённых пользователей)
 

Вид поиска
Область поиска
в найденном
Найдено в других БД
Формат представления найденных документов:
библиографическое описаниекраткийполный
Отсортировать найденные документы по:
авторузаглавиюгоду изданиятипу документа
Поисковый запрос: (<.>S=ГЕНЕТИЧЕСКИЙ АЛГОРИТМ<.>)
Общее количество найденных документов : 70
Показаны документы с 1 по 20
 1-20    21-40   41-60   61-70 
1.
РЖ ВИНИТИ 34 (BI38) 95.01-04А3.031

    Crabtree, I. B.
    Planning beneficial and profitable network upgrade paths [Text] / I. B. Crabtree, D. Munaf // BT Technol. G. - 1994. - Vol. 12, N 4. - P92-97 . - ISSN 0265-0193
Перевод заглавия: Планирование выгодных и экономных путей совершенствования сетей
Аннотация: Проведено исследование возможностей частичных изменений в коммуникационных сетях, приводящих к их совершенствованию и увеличению удобства пользователей. В случае больших сетей не удается построить точных моделей для предсказания. Предложен метод, основанный на имитации отжига, пригодный для очень больших сетей. Приведено полное описание реализованного алгоритма. Выполненные испытания показали, что он дает возможность находить решения, близкие к оптим., и, кроме того, позволяет учитывать дополнительные критерии, типа минимизации стоимости самой замены. Ил. 9. Табл. 2. Библ. 4.
ГРНТИ  
34.55.21
ВИНИТИ 341.55.21.19.25
Рубрики: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
КОММУНИКАЦИОННЫЕ СЕТИ
СОВЕРШЕНСТВОВАНИЕ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

Доп.точки доступа:
Munaf, D.
2.
РЖ ВИНИТИ 34 (BI38) 95.05-04А3.076

    Townsend, Darin.
    An artificial neural net update rule using a genetic algorithm [Text] : [Pap.] 27th Annu. Meet. Ga Acad. Sci., Kennesaw, Ga, Apr. 29-30, 1994 / Darin Townsend, Sonya J. Burris // Ga J. Sci. - 1994. - Vol. 52, N 1. - P25-26 . - ISSN 0016-8114
Перевод заглавия: Правило модификации искусственной нейронной сети, использующее генетический алгоритм
Аннотация: Станд. нейронная сеть с обучением по методу обратного распространения с дельта-правилом обучалась распознаванию букв С и Т в разной ориентации. После достижения точности распознавания 95% сеть прекращала улучшать качество работы, и дальнейшая коррекция проводилась с помощью генетического алгоритма, к-рый проводил поиск с целью определения вариаций, приводящих к ошибкам. Показана возможность повышения точности принимаемых решений. Представлено описание нейронной сети, генетического алгоритма и программы, реализующей новую систему. США, Paine College, Augusta, GA 30901-3182.
ГРНТИ  
34.53.19
ВИНИТИ 341.53.19.09 + 341.55.21.02
Рубрики: НЕЙРОННЫЕ СЕТИ
МОДИФИКАЦИЯ
РАСПОЗНАВАНИЕ ОБРАЗОВ
БУКВЫ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

Доп.точки доступа:
Burris, Sonya J.
3.
РЖ ВИНИТИ 34 (BI38) 95.07-04А3.105

    Dobnikar, Andrej.
    Genetic synthesis of task-oriented neural networks [Text] / Andrej Dobnikar // Neural, Parall. and Sci. Comput. - 1994. - Vol. 2, N 4. - P533-542 . - ISSN 1061-5369
Перевод заглавия: Генетический синтез проблемно-ориентированных нейронных сетей
Аннотация: Предложен стохастический алгоритм построения нейронных сетей, ориентированных на конкретную задачу. Метод основан на генетических алгоритмах. Проведено исследование специфики применения генетических алгоритмов при работе с нейронными сетями. Представлена сводка результатов эксперим. исследований в задачах планирования движения мобильных роботов, предсказания временных рядов и др., показывающая эффективность предлагаемого подхода в оптимизации структур нейронных сетей с учетом специфики решаемых ими прикладных задач. Словения, Faculty of Elect. Eng. and Computer Sci., Univ. of Ljubljana, Trzaska 25, 61000 Ljubljana. Ил. 7. Табл. 2. Библ. 6.
ГРНТИ  
34.53.19
ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
СИНТЕЗ
ПРОБЛЕМНАЯ ОРИЕНТАЦИЯ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
4.
РЖ ВИНИТИ 34 (BI38) 96.08-04А3.115

    Будилова, Е. В.
    Генетический алгоритм оптимизации параметров нейронной сети, способной обучаться эффективному поиску пищи в лабиринте [Текст] : [Докл.] Семин.-конф. "Алгоритмы обраб. инф. в нейроподоб, системах", Москва, сент., 1993 / Е. В. Будилова, А. Т. Терехин, С. А. Чепурнов // Изв. вузов. Радиофиз. - 1994. - Т. 37, N 9. - С. 1162-1172 . - ISSN 0021-3462
Аннотация: Предлагается гипотетическая нейронная схема, обеспечивающая эффективное принятие решений животным при обходе им лабиринта в поиске пищи. Задается только общая структура сети, а ее количественные характеристики находятся путем численной оптимизации, имитирующей процесс естественного отбора. Отбор направлен на максимизацию ожидаемой численности потомства, прямо связанной с запасенной в течение репродуктивного цикла энергией. Основными оптимизируемыми параметрами являются величины приращений весов межнейронных связей и константы рабочей памяти. Россия, биол. факультет МГУ им. М. В. Ломоносова, Москва. Ил. 2. Библ. 7
ГРНТИ  
34.55.19
ВИНИТИ 341.55.19.55 + 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
ОПТИМИЗАЦИЯ ПАРАМЕТРОВ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
ПОВЕДЕНИЕ ЖИВОТНЫХ
ПОИСК ПИЩИ
ЛАБИРИНТ
МОДЕЛИРОВАНИЕ

Доп.точки доступа:
Терехин, А.Т.; Чепурнов, С.А.
5.
РЖ ВИНИТИ 34 (BI38) 96.11-04А3.185

   
    Упорядочение характеристик физической силы живого организма с помощью генетического алгоритма [Text] // Nihon kikai gakkaishi = J. Jap. Soc. Mech. Eng. - 1996. - Vol. 99, N 928. - С. 209 . - ISSN 0021-4728
ГРНТИ  
34.53.43
ВИНИТИ 341.53.43.09
Рубрики: АЛГОРИТМЫ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
ФИЗИЧЕСКАЯ СИЛА
БИОМЕХАНИКА
6.
РЖ ВИНИТИ 34 (BI38) 97.01-04А3.41

    Weitze, Marc-Denis.
    A model for neural network development between cell division and learning [Text] : [Pap.] Workshop "Artifical Life", Sankt Augustin, 12-13 Okt., 1995 / Marc-Denis Weitze, G.Ludwig Hofacker // GMD-Stud. - 1995. - N 271. - P17-21 . - ISSN 0170-8120
Перевод заглавия: Модель развития нейронной сети, основанная на сочетании клеточного деления и обучения
Аннотация: Предложена модель развития нейронной сети, обеспечивающая достаточно точное отражение реально наблюдаемых в биологических нейронных сетях процессах. Модель основана на объединении клеточного деления с помощью генетических алгоритмов и обучения с помощью стандартных процедур. Приведено описание процесса появления достаточно сложных и больших специализированных функциональных групп нейронов, которое обусловлено адаптацией к окружающей среде, включая эволюцию, развитие и обучение. Германия, Inst. fur Theoretische Chemie der Technischen Univ. Munchen, D-86747 Garching. Ил. 4. Библ. 5
ГРНТИ  
34.55.19
ВИНИТИ 341.55.19.09.13
Рубрики: НЕЙРОННЫЕ СЕТИ
МОДЕЛИРОВАНИЕ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
КЛЕТОЧНОЕ ДЕЛЕНИЕ
ОБУЧЕНИЕ

Доп.точки доступа:
Hofacker, G.Ludwig
7.
РЖ ВИНИТИ 34 (BI38) 97.01-04А3.116

    Гриняев, С. Н.
    Генетический алгоритм обучения стохастической нейронной сети [Текст] / С. Н. Гриняев // Изв. вузов. Приборостр. - 1996. - Т. 39, N 1. - С. 23-24 . - ISSN 0021-3454
Аннотация: Предложен генетический алгоритм обучения стохастической нейронной сети. Приведены основные положения теории генетических алгоритмов. Рассмотрены этапы разработки алгоритма обучения, операторы кроссинговера, мутации и инверсии. Россия, Военная инженерно-космическая академия им. А. Ф. Можайского, Санкт-Петербург. Ил. 2. Библ. 5
ГРНТИ  
34.53.19
ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
СТОХАСТИЧЕСКИЕ СЕТИ
ОБУЧЕНИЕ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
8.
РЖ ВИНИТИ 34 (BI38) 97.03-04А3.439

   
    Анализ информации о геноме [Text] / Tetsushi Yada [et al.] // Mitsubishi sogo kenkyujo shoho = J. Mitsubishi Res. Inst. - 1996. - N 29. - С. 158-179 . - ISSN 0287-2129
Аннотация: Рассмотрена задача выделения признаков для распознавания последовательностей ДНК. Предложен подход к ее решению, основанный на объединении генетического алгоритма с методом Baum-Welch (BWA) для построения представлений последовательностей в виде скрытых марковских моделей. Описан метод выбора параметров скрытой марковской модели. Для установления оптимального сочетания сложности и релевантности модели использован информационный критерий Акаике. Ил. 11. Библ. 22
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.09.99
Рубрики: ОБРАБОТКА ДАННЫХ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
ДНК
ПОСЛЕДОВАТЕЛЬНОСТЬ
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
СКРЫТЫЕ МАРКОВСКИЕ МОДЕЛИ

Доп.точки доступа:
Yada, Tetsushi; Iimura, Satoshi; Uchino, Takashi; Ichiyoshi, Nobuyuki
9.
РЖ ВИНИТИ 34 (BI11) 97.10-04Б1.67

    Currey, Kathleen M.
    Secondary structure computer prediction of the poliovirus 5'non-coding region is improved by a genetic algorithm [Text] / Kathleen M. Currey, Bruce A. Shapiro // Comput. Appl. Biosci. - 1997. - Vol. 13, N 1. - P1-12 . - ISSN 0266-7061
Перевод заглавия: Компьютерное предсказание вторичной структуры 5'-некодирующей области вируса полиомиелита улучшается генетическим алгоритмом
Аннотация: Вторичная структура 5'-некодирующей области (5'-НКО) РНК вируса полиомиелита типа 3 рассчитана с использованием "генетического алгоритма", к-рый порождает популяцию всех возможных шпилек, а затем перемешивает эти шпильки в различных сочетаниях с использованием множественных итераций и отбирает наиболее подходящую структуру по критерию энергии. Вторичная структура 5'-НТО, содержащей детерминанты нейровирулентности, с использованием генетического алгоритма предсказывается лучше, чем с использованием алгоритма динамического программирования, требующего филогенетического сравнительного анализа последовательностей. Введение в 5'-НТО искусственных мутаций показало, что хотя возможны структурные перестройки, многие структуры сохраняются, т. е. противостоят изолированным мутациям. Основанная на генетическом алгоритме структура 5'-НТО хорошо согласуется с биологическими данными и функциями. Она содержит все "персистентные" структуры. Это позволяет предположить, что фактор персистентности может быть использован для оценки структур. США, Dep. Pediat., Univ. Maryland Med. Ctr, Baltimore, MD 21201. Библ. 38
ГРНТИ  
34.25.17
ВИНИТИ 341.25.17.09.07
Рубрики: ВИРУС ПОЛИОМИЕЛИТА
5'-НЕКОДИРУЮЩАЯ ОБЛАСТЬ
ВТОРИЧНАЯ СТРУКТУРА
КОМПЬЮТЕРНЫЙ ПРОГНОЗ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

Доп.точки доступа:
Shapiro, Bruce A.
10.
РЖ ВИНИТИ 34 (BI38) 98.01-04А3.82

    Duan, Chenggang.
    Оценка движения с помощью генетического алгоритма [Text] / Chenggang Duan, Zhongxiu Gu, Zhihang Zheng // Shanghai jiaotong daxue xuebao = J. Shanghai Jiaotong Univ. - 1996. - Vol. 30, N 12. - С. 157-160 . - ISSN 1006-2467
Аннотация: Предложена методика использования генетического алгоритма для решения задачи глобальной оптимизации, связанной с оценкой движения на изображении. Описаны биологические теории. Приведено описание нового алгоритма. Представлены результаты численного моделирования и сравнение с методом полного поиска и методом трехступенчатого поиска. Табл. 2. Библ. 4
ГРНТИ  
34.55.21
ВИНИТИ 341.55.21.27.15 + 341.55.21.02
Рубрики: АЛГОРИТМЫ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
ОБРАБОТКА ИЗОБРАЖЕНИЙ
ДВИЖЕНИЕ
ОЦЕНКА

Доп.точки доступа:
Gu, Zhongxiu; Zheng, Zhihang
11.

Деп. 1624-В97


    Душутин, И. В.
    Построение мультихромосомных моделей больших информационных систем [Текст] : деп. Моск. гос. ин-т электрон. техн. (Техн. ун-т) 19970514, N 1624-В97 / И. В. Душутин ; депонент Моск. гос. ин-т электрон. техн. (Техн. ун-т) (М.). - Введ. с 19970514. - [Б. м. : б. и.], 1997. - 20 с. - 3 назв
Аннотация: Рассматривается методика построения специальных моделей для оптимизации структуры больших систем обработки информации при помощи генетических алгоритмов. Необходимость в специальных моделях возникает в случае, когда размерность системы велика, и все критические характеристики системы нельзя или крайне сложно отразить одной хромосомой. В основе построения мультихромосомной модели лежит декомпозиция большой системы на связанные между собой малые подсистемы. Проводится подробный математический анализ структур выделенных подсистем и связей между ними. Дается оценка количества хромосом достаточного для описания всех критических характеристик системы. Далее формулируется и доказывается ряд утверждений, позволяющих минимизировать это количество. Доказывается, что для описания системы, разбитой на N подсистем, достаточно построить N различных хромосом. Рассматриваются общие принципы построения этих хромосом на основе информации о системе и обратный процесс - восстановление информации о системе путем анализа генотипов этих хромосом
ГРНТИ  
34.55.21
ВИНИТИ 341.55.21.02
Рубрики: АЛГОРИТМЫ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
БОЛЬШИЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ
МУЛЬТИХРОМОСОМНЫЕ МОДЕЛИ

Доп.точки доступа:
Моск. гос. ин-т электрон. техн. (Техн. ун-т) (М.)
Свободных экз. нет
12.
РЖ ВИНИТИ 34 (BI38) 98.02-04А3.35

    Drechsler, Rolf.
    A genetic algorithm for RKRO minimization [Text] : pap. 8th Int. Symp. Artif. Intell., Monterrey, [1996] / Rolf Drechsler, Bernd Becker, Nicole Gockel // Expert Syst. Appl. - 1997. - Vol. 12, N 1. - P127-139 . - ISSN 0957-4174
Перевод заглавия: Генетический алгоритм для минимизации сокращенных кронекеровских представлений
Аннотация: Показана тесная связь между упорядоченными кронекеровскими функциональными решающими диаграммами и представлениями функций в базисе из конъюнкции и сложения по модулю 2. Эта связь дает возможность реализовать эффективные эвристические алгоритмы минимизации представлений в этом базисе, основанные на использовании переменных упорядочений и декомпозиционных представлений. Описан метод минимизации с помощью генетического алгоритма. Приведена сводка результатов испытаний с различными функциями, показывающая быстродействие и точность разработанного подхода. Германия, Inst. of Computer Sci., Albert-Ludwig-Univ., 79110 Freiburg im Breisgau. Ил. 4. Табл. 8. Библ. 37
ГРНТИ  
34.55.21
ВИНИТИ 341.55.21.02
Рубрики: АЛГОРИТМЫ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
СОКРАЩЕННЫЕ КРОНЕКЕРОВСКИЕ ВЫРАЖЕНИЯ
МИНИМИЗАЦИЯ

Доп.точки доступа:
Becker, Bernd; Gockel, Nicole
13.
РЖ ВИНИТИ 76 (BI38) 98.05-04А3.76

    Tomokiyo, Takakazu.
    Метод оптимизации работы служб социальной помощи престарелым, основанный на генетических алгоритмах [Text] / Takakazu Tomokiyo, Gow Yamashita // Kagoshima daigaku kogakubu kenkyu hokoku = Res. Repts Fac. Eng. Kagoshima Univ. - 1997. - N 39. - С. 169-178 . - ISSN 0451-212X
Аннотация: Предложенный метод позволяет оценить потребности престарелых и адаптации службы к конкретному случаю. Выделено 64 основных типа пациентов и 8 типов оказываемых им услуг. Описан метод оптимизации, позволяющий значительно повысить эффективность обслуживания населения. Приведено 2 конкретных примера, демонстрирующих достоинства нового метода. Ил. 5. Табл. 3. Библ. 7
ГРНТИ  
76.03.59
ВИНИТИ 761.03.59.09.29.99
Рубрики: ЗДРАВООХРАНЕНИЕ
АВТОМАТИЗАЦИЯ
ПРЕСТАРЕЛЫЕ
ОБСЛУЖИВАНИЕ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

Доп.точки доступа:
Yamashita, Gow
14.
РЖ ВИНИТИ 34 (BI48) 98.09-04Т1.59

    Люлькин, Ю. А.
    Новый вариант генетического алгоритма как основа эффективного метода компьютерного конструирования лекарств [Текст] / Ю. А. Люлькин, Ю. А. Шкуро // 2 Рос. нац. конгр. "Человек и лекарство", Москва, 10-15 апр., 1995. - М., 1995. - С. 60 . - ISBN 5-85556-009-0
Аннотация: В современной фармакологии создание лекарственных соединений начинается со стадии компьютерного моделирования взаимодействия молекулы лекарства с молекулой-мишенью. В настоящее время наиболее приемлемым как по быстродействию, так и объему информации, получаемой при молекулярном моделировании, является так называемый генетический алгоритм (ГА). В основе ГА лежат математические аналоги таких процессов, как мутация, кроссинговер, селекция. ГА представляет собой высокоэффективный математический метод поиска низкоэнергетических состояний произвольных объектов. В данной работе предложен новый вариант ГА для моделирования взаимодействия лиганд-рецептор. Новизна метода заключается в использовании мультипликативного, а не стандартного аддитивного способа формирования критериев отбора молекулярных конформаций. Данный ГА позволяет проводить моделирование комплекса лекарство-молекула-мишень со значительно более высокой точностью по сравнению со стандартными методами ГА. Предложенный метод использован для моделирования взаимодействия цитохрома Р450cam с рядом его субстратов (камфора, норкамфора, тиокамфора)
ГРНТИ  
34.45.05
ВИНИТИ 341.45.05.05
Рубрики: ЛЕКАРСТВЕННЫЕ ВЕЩЕСТВА
КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
НОВЫЙ ВАРИАНТ
ВЗАИМОДЕЙСТВИЕ ЛИГАНД-РЕЦЕПТОР

Доп.точки доступа:
Шкуро, Ю.А.
15.
РЖ ВИНИТИ 34 (BI38) 98.10-04А3.551

    Люлькин, Ю. А.
    Новый вариант генетического алгоритма как основа эффективного метода компьютерного конструирования лекарств [Текст] / Ю. А. Люлькин, Ю. А. Шкуро // 2 Рос. нац. конгр. "Человек и лекарство", Москва, 10-15 апр., 1995. - М., 1995. - С. 60 . - ISBN 5-85556-009-0
Аннотация: В современной фармакологии создание лекарственных соединений начинается со стадии компьютерного моделирования взаимодействия молекулы лекарства с молекулой-мишенью. В настоящее время наиболее приемлемым как по быстродействию, так и объему информации, получаемой при молекулярном моделировании, является так называемый генетический алгоритм (ГА). В основе ГА лежат математические аналоги таких процессов, как мутация, кроссинговер, селекция. ГА представляет собой высокоэффективный математический метод поиска низкоэнергетических состояний произвольных объектов. В данной работе предложен новый вариант ГА для моделирования взаимодействия лиганд-рецептор. Новизна метода заключается в использовании мультипликативного, а не стандартного аддитивного способа формирования критериев отбора молекулярных конформаций. Данный ГА позволяет проводить моделирование комплекса лекарство-молекула-мишень со значительно более высокой точностью по сравнению со стандартными методами ГА. Предложенный метод использован для моделирования взаимодействия цитохрома Р450cam с рядом его субстратов (камфора, норкамфора, тиокамфора)
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.29
Рубрики: ЛЕКАРСТВЕННЫЕ ВЕЩЕСТВА
КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
НОВЫЙ ВАРИАНТ
ВЗАИМОДЕЙСТВИЕ ЛИГАНД-РЕЦЕПТОР

Доп.точки доступа:
Шкуро, Ю.А.
16.
РЖ ВИНИТИ 34 (BI38) 98.11-04А3.38

   
    Генетический алгоритм, создающий предупреждающий планировщик для сборки печатных плат [Текст] / В. Чепрасов [и др.] // Обозрение прикл. и пром. мат. - 1996. - Т. 3, N 5. - С. 735-749 . - ISSN 0869-8325
Аннотация: Термин "предупреждающий планировщик" означает ряд правил планирования, к-рые оптимизированы не только для данного множества работ, но и для минимизации неблагоприятного влияния сбоев серверов (аварий, неполадок, неисправностей и т. п.) и/или добавления, удаления работ в течение того периода, для к-рого планировщик был оптимизирован. Описан метод, основанный на генетическом алгоритме (ГА). ГА оптимизирует планировщик для оперативного решения "задачи планирования работ в цехе" в изменяющихся условиях. Эмпирические результаты показали, что данный подход могут давать планировщики, способные строить расписания за полиномиальное время и реагировать на случайные события и изменения, встречающиеся во время работы. Генетический алгоритм выбирает оптимальные изменяющиеся во времени весовые коэф. для фиксированного набора эвристических правил, к-рые определяют назначение каждой работы на один из нескольких серверов на каждой стадии с целью минимизировать общие производственные затраты. Табл. 2. Библ. 8
ГРНТИ  
34.03.23
ВИНИТИ 341.03.23.09.11
Рубрики: МАТЕМАТИЧЕСКАЯ МОДЕЛЬ
ПЛАНИРОВАНИЕ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

Доп.точки доступа:
Чепрасов, В.; Панч, У.Ф.; Гудман, Э.Д.; Рагатц, Г.; Норенков, И.П.
17.
РЖ ВИНИТИ 34 (BI38) 99.07-04А3.43

    Загоруйко, Н. Г.
    Самообучающийся генетический алгоритм прогнозирования (LGAP) [Текст] / Н. Г. Загоруйко // Вычисл. системы. - 1997. - N 160. - С. 80-94, 213 . - ISSN 0568-661X
Аннотация: Описан адаптивный генетический алгоритм LGAP для извлечения закономерностей (знаний) из данных с учетом повсторяемости и адекватности реакций, а также использования этих знаний для прогнозирования будущих событий. Алгоритм LGAP использует идеи алгоритма ZET для заполнения пробелов в эмпирических таблицах. Приведены результаты экспериментальной проверки эффективности алгоритма на реальных данных. Табл. 1
ГРНТИ  
34.55.21
ВИНИТИ 341.55.21.02
Рубрики: АЛГОРИТМЫ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
САМООБУЧАЮЩИЙСЯ АЛГОРИТМ
ПРОГНОЗИРОВАНИЕ
18.
РЖ ВИНИТИ 34 (BI38) 99.07-04А3.45

    Шапиро, Дж.
    Применение методов статистической механики для изучения динамики генетического алгоритма [Текст] / Дж. Шапиро, М. Рэттрэй, А. Прюгель-Беннетт // Обозрение прикл. и пром. мат. - 1996. - Т. 3, N 5. - С. 670-687 . - ISSN 0869-8325
Аннотация: Рассмотрены следующие вопросы: оператор (Оп) отбора; Оп мутации; Оп скрещивания; выбор макропараметров системы; отсутствие взаимодействия между генами - случайный парамагнит; направленный и стабилизирующий отбор в задаче поиска подмножества с требуемой суммой; оценка полезности при наличии помехи на примере обучения нейронной сети; производящие функции для получения семиинвариантов; направления дальнейших исследований. Ил. 3. Библ. 21
ГРНТИ  
34.55.21
ВИНИТИ 341.55.21.02
Рубрики: АЛГОРИТМЫ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
ДИНАМИКА
МЕТОДЫ
СТАТИСТИЧЕСКАЯ МЕХАНИКА

Доп.точки доступа:
Рэттрэй, М.; Прюгель-Беннетт, А.
19.
РЖ ВИНИТИ 34 (BI38) 99.09-04А3.18

    Heidari, Manoutchehr.
    A hybrid optimization approach to the estimation of distributed parameters in two-dimensional confined aquifers [Text] / Manoutchehr Heidari, S.Ranji Ranjithan // J. Amer. Water Resour. Assoc. - 1998. - Vol. 34, N 4. - P909-920 . - ISSN 1093-474X
Перевод заглавия: Гибридная оптимизация в системе распределенных параметров двумерного ограниченного водоносного слоя
Аннотация: Рассмотрена задача выбора начальных параметров при нелинейной оптимизации для оценки параметров в модели грунтовых вод в водоносном слое. Предложен метод, основанный на объединении генетического алгоритма с усеченным методом Ньютона. Метод дает возможность эффективно использовать произвольную априорную информацию. Проведены численные эксперименты, в которых доказана быстрая скорость сходимости аппроксимации при относительно малом объеме априорной информации. США, Illinois State Geological Survey, 615 East Peabody Drive, Champaign, IL 61820. Ил. 2. Табл. 6. Библ. 34
ГРНТИ  
34.03.23
ВИНИТИ 341.03.23.99
Рубрики: МАТЕМАТИЧЕСКИЕ МОДЕЛИ
ДВУМЕРНЫЙ ВОДОНОСНЫЙ СЛОЙ
РАСПРЕДЕЛЕННЫЕ ПАРАМЕТРЫ
ГИБРИДНАЯ ОПТИМИЗАЦИЯ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

Доп.точки доступа:
Ranjithan, S.Ranji
20.
РЖ ВИНИТИ 34 (BI38) 99.10-04А3.773

   
    Регистрация медицинских изображений на основе деформируемых контуров [Text] / Chun-Guang Jia [et al.] // Jisuangji fuzhu sheji yu tuxingxue xuebao = J. Comput. - Aided Des. and Comput. Graph. - 1999. - Vol. 11, N 2. - С. 115-119 . - ISSN 1003-9775
Аннотация: Для нанесения однородных меток при регистрации изображений предложено использовать модели активных контуров с оптимизацией параметров с помощью генетического алгоритма. Для иллюстрации возможностей метода приведены примеры его использования в сопоставлении медицинских изображений с образцами из медицинского атласа. КНР, Biomed. Eng. Inst. Zhejiang Univ., Hangzhou 310027. Ил. 3. Табл. 1. Библ. 9
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.09.13
Рубрики: МЕТОДЫ
ВИЗУАЛИЗАЦИЯ
МЕДИЦИНСКИЕ ИЗОБРАЖЕНИЯ
ДЕФОРМИРУЕМАЯ КОНТУРНАЯ МОДЕЛЬ
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ
ОБРАБОТКА ИЗОБРАЖЕНИЙ
СЕГМЕНТАЦИЯ

Доп.точки доступа:
Jia, Chun-Guang; Tan, Ou; Duan, Hui-Long; Lu, Wei-Xue
 1-20    21-40   41-60   61-70 
 
Описание базы
Стандартный
По словарю
Расширенный
Профессиональный
Распределенный
ГРНТИ



"Электронные каталоги и базы данных библиотек СО РАН"
© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)