دانلود مقاله ISI انگلیسی شماره 79687
عنوان فارسی مقاله

روش تنظیم مدل رانده به برنامه نویسی ژنتیکی برنامه خط مستقیم

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
79687 2016 15 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Model-driven regularization approach to straight line program genetic programming
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 57, 15 September 2016, Pages 76–90

کلمات کلیدی
برنامه نویسی ژنتیک؛ برنامه خط مستقیم - اپراتور Pfaffian؛ رگرسیون نمادین
پیش نمایش مقاله
پیش نمایش مقاله روش تنظیم مدل رانده به برنامه نویسی ژنتیکی برنامه خط مستقیم

چکیده انگلیسی

This paper presents a regularization method for program complexity control of linear genetic programming tuned for transcendental elementary functions. Our goal is to improve the performance of evolutionary methods when solving symbolic regression tasks involving Pfaffian functions such as polynomials, analytic algebraic and transcendental operations like sigmoid, inverse trigonometric and radial basis functions. We propose the use of straight line programs as the underlying structure for representing symbolic expressions. Our main result is a sharp upper bound for the Vapnik Chervonenkis dimension of families of straight line programs containing transcendental elementary functions. This bound leads to a penalization criterion for the mean square error based fitness function often used in genetic programming for solving inductive learning problems. Our experiments show that the new fitness function gives very good results when compared with classical statistical regularization methods (such as Akaike and Bayesian Information Criteria) in almost all studied situations, including some benchmark real-world regression problems.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.