Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "evolutionary algorithms probabilistic" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Evolutionary computation based on Bayesian classifiers
Autorzy:
Miquelez, T.
Bengoetxea, E.
Larranaga, P.
Powiązania:
https://bibliotekanauki.pl/articles/907630.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
rozumowanie probabilistyczne
obliczenia ewolucyjne
sieć Bayesa
estymacja algorytmu dystrybucji
hybrid soft computing
probabilistic reasoning
evolutionary computing
classification
optimization
Bayesian networks
estimation of distribution algorithms
Opis:
Evolutionary computation is a discipline that has been emerging for at least 40 or 50 years. All methods within this discipline are characterized by maintaining a set of possible solutions (individuals) to make them successively evolve to fitter solutions generation after generation. Examples of evolutionary computation paradigms are the broadly known Genetic Algorithms (GAs) and Estimation of Distribution Algorithms (EDAs). This paper contributes to the further development of this discipline by introducing a new evolutionary computation method based on the learning and later simulation of a Bayesian classifier in every generation. In the method we propose, at each iteration the selected group of individuals of the population is divided into different classes depending on their respective fitness value. Afterwards, a Bayesian classifier---either naive Bayes, seminaive Bayes, tree augmented naive Bayes or a similar one---is learned to model the corresponding supervised classification problem. The simulation of the latter Bayesian classifier provides individuals that form the next generation. Experimental results are presented to compare the performance of this new method with different types of EDAs and GAs. The problems chosen for this purpose are combinatorial optimization problems which are commonly used in the literature.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2004, 14, 3; 335-349
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison evolutionary algorithms with Metropolis-Hastings method exemplified by high-fatigue Wohler curve parameter identification
Autorzy:
Woch, M.
Powiązania:
https://bibliotekanauki.pl/articles/2069092.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
Wohler curve
Metropolis-Hastings
evolutionary algorithms probabilistic
fatigue
Opis:
In this work, evolutionary algorithms together with the Metropolis-Hastings sampling technique have been used for parameter identification of the Wohler curve of duraluminum alloy 2024-T3. An evolutionary algorithm is a subset of evolutionary computation, a generic population-based metaheuristic optimization algorithm. The Metropolis-Hasting algorithm is one of the most widespread Markov chain Monte Carlo methods for posterior distribution estimation. In this contribution, both algorithms have been presented to estimate the probability density functions using Wohler parameters as a case study. Results were shown in terms of distribution shape and parameter correlations and the differences, arising from applied algorithms, have been compared. The information about parameter distributions of Wohler equation is useful to prepare risk analyses based on statistical safe life approach. The safe life approach can be met, for instance, in assessing the reliability of an aircraft.
Źródło:
Journal of Polish Safety and Reliability Association; 2015, 6, 2; 153--158
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies