Výsledky vyhledávání
- 1.0570811 - ÚVGZ 2024 RIV US eng J - Článek v odborném periodiku
Kuhl, E. - Zang, C. - Esper, Jan - Riechelmann, D. F. C. - Büntgen, Ulf - Briesch, M. - Reinig, F. - Roemer, P. - Konter, O. - Schmidhalter, M. - Hartl, C.
Using machine learning on tree-ring data to determine the geographical provenance of historical construction timbers.
Ecosphere. Roč. 14, č. 3 (2023), č. článku e4453. ISSN 2150-8925. E-ISSN 2150-8925
Grant CEP: GA MŠMT(CZ) EF16_019/0000797
Výzkumná infrastruktura: CzeCOS IV - 90248
Institucionální podpora: RVO:86652079
Klíčová slova: artificial intelligence * dendrochronology * dendroprovenancing * European Alps * Extreme Gradient Boosting * Larix decidua * tree-ring density * tree-ring width
Obor OECD: Environmental sciences (social aspects to be 5.7)
Impakt faktor: 2.7, rok: 2022
Způsob publikování: Open access
https://esajournals.onlinelibrary.wiley.com/doi/10.1002/ecs2.4453
Trvalý link: https://hdl.handle.net/11104/0342148Název souboru Staženo Velikost Komentář Verze Přístup Kuhl-2023-Using-machine-learning-on-treering-.pdf 8 2.2 MB Vydavatelský postprint povolen - 2.0512085 - ÚI 2020 RIV DE eng C - Konferenční příspěvek (zahraniční konf.)
Žegklitz, Jan - Pošík, M.
Sequential model building in symbolic regression.
ITAT 2019: Information Technologies – Applications and Theory. Aachen: Technical University & CreateSpace Independent Publishing, 2019 - (Barančíková, P.; Holeňa, M.; Horváth, T.; Pleva, M.; Rosa, R.), s. 51-57. CEUR Workshop Proceeding, 2473. ISSN 1613-0073.
[ITAT 2019: Conference Information Technologies - Applications and Theory /19./. Donovaly (SK), 20.09.2019-24.09.2019]
Grant CEP: GA ČR GA17-01251S
Grant ostatní: GA MŠk(CZ) LM2015042
Institucionální podpora: RVO:67985807
Klíčová slova: genetic programming * symbolic regression * boosting * sequential learning
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
http://ceur-ws.org/Vol-2473/paper5.pdf
Trvalý link: http://hdl.handle.net/11104/0302291Název souboru Staženo Velikost Komentář Verze Přístup 0512085-aoa.pdf 4 434.5 KB OpenAccess Autorský preprint povolen - 3.0494112 - ÚI 2019 RIV DE eng C - Konferenční příspěvek (zahraniční konf.)
Pitra, Zbyněk - Repický, Jakub - Holeňa, Martin
Boosted Regression Forest for the Doubly Trained Surrogate Covariance Matrix Adaptation Evolution Strategy.
ITAT 2018: Information Technologies – Applications and Theory. Proceedings of the 18th conference ITAT 2018. Aachen: Technical University & CreateSpace Independent Publishing Platform, 2018 - (Krajči, S.), s. 72-79. CEUR Workshop Proceedings, V-2203. ISSN 1613-0073.
[ITAT 2018. Conference on Information Technologies – Applications and Theory /18./. Plejsy (SK), 21.09.2018-25.09.2018]
Grant CEP: GA ČR GA17-01251S
Grant ostatní: ČVUT(CZ) SGS17/193/OHK4/3T/14; GA MŠk(CZ) LM2015042
Institucionální podpora: RVO:67985807
Klíčová slova: Gradient boosting * Random forest * Black-box optimization * Surrogate model * Benchmarking
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
http://ceur-ws.org/Vol-2203/72.pdf
Trvalý link: http://hdl.handle.net/11104/0287361Název souboru Staženo Velikost Komentář Verze Přístup 0494112a.pdf 8 1.1 MB Vydavatelský postprint vyžádat - 4.0410888 - UTIA-B 20020102 RIV US eng C - Konferenční příspěvek (zahraniční konf.)
Grim, Jiří - Pudil, Pavel - Somol, Petr
Boosting in probabilistic neural networks.
Los Alamitos: IEEE Computer Society, 2002. ISBN 0-7695-1699-8. In: Proceedings of the 16th International Conference on Pattern Recognition. - (Kasturi, R.; Laurendeau, D.; Suen, C.), s. 136-139
[International Conference on Pattern Recognition /16./. Québec City (CA), 11.08.2002-15.08.2002]
Grant CEP: GA ČR GA402/01/0981; GA AV ČR KSK1019101
Výzkumný záměr: CEZ:AV0Z1075907
Klíčová slova: neural networks * finite mixtures * boosting
Kód oboru RIV: BB - Aplikovaná statistika, operační výzkum
http://library.utia.cas.cz/separaty/historie/grim-boosting in probabilistic neural networks.pdf
Trvalý link: http://hdl.handle.net/11104/0130975 - 5.0405534 - UIVT-O 330912 RIV CZ cze K - Konferenční příspěvek (tuzemská konf.)
Klaschka, Jan - Kotrč, Emil
Klasifikační a regresní lesy.
[Classification and Regression Forests.]
Současné metody statistické analýzy a modelování pro technickou praxi a výzkum. Pardubice: TriloByte Statistical Software, 2005 - (Kupka, K.), s. 89-100. ISBN 80-239-4847-4.
[Analýza dat 2004/II pro technickou inženýrskou a výzkumnou veřejnost. Celostátní seminář. Lázně Bohdaneč (CZ), 29.11.2004-01.12.2004]
Grant CEP: GA MŠMT ME 701; GA AV ČR 1ET100300517
Výzkumný záměr: CEZ:MSM6840770010
Klíčová slova: klasifikační stromy * klasifikační lesy * bagging * boosting * arcing * random forests
Kód oboru RIV: BA - Obecná matematika
Trvalý link: http://hdl.handle.net/11104/0125692 - 6.0405317 - UIVT-O 330688 RIV CZ cze K - Konferenční příspěvek (tuzemská konf.)
Klaschka, Jan - Kotrč, Emil
Klasifikační a regresní lesy.
[Classification and Regression Forests.]
Robust 2004. Sborník prací 13.letní školy JČMF. Praha: JČMF, 2004 - (Antoch, J.; Dohnal, G.), s. 177-184. ISBN 80-7015-972-3.
[ROBUST 2004. Letní škola JČMF /13./. Třešť (CZ), 07.06.2004-11.06.2004]
Grant CEP: GA MŠMT ME 701; GA ČR GA201/02/1456
Výzkumný záměr: CEZ:AV0Z1030915
Klíčová slova: klasifikační stromy * klasifikační lesy * bagging * boosting * arcing * random forests
Kód oboru RIV: BA - Obecná matematika
Trvalý link: http://hdl.handle.net/11104/0125490 - 7.0355267 - ÚI 2011 RIV NL eng J - Článek v odborném periodiku
Holeňa, Martin - Linke, D. - Rodemerck, U.
Generator Approach to Evolutionary Optimization of Catalysts and its Integration with Surrogate Modeling.
Catalysis Today. Roč. 159, č. 1 (2011), s. 84-95. ISSN 0920-5861. E-ISSN 1873-4308
Grant CEP: GA ČR GA201/08/0802
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: optimization of catalytic materials * evolutionary optimization * surrogate modeling * artificial neural networks * multilayer perceptron * regression boosting
Kód oboru RIV: IN - Informatika
Impakt faktor: 3.407, rok: 2011
Trvalý link: http://hdl.handle.net/11104/0194079 - 8.0345993 - ÚI 2011 RIV DE eng C - Konferenční příspěvek (zahraniční konf.)
Holeňa, Martin - Linke, D. - Rodemerck, U. - Bajer, Lukáš
Neural Networks as Surrogate Models for Measurements in Optimization Algorithms.
Analytical and Stochastic Modeling Techniques and Applications. Berlin: Springer, 2010 - (Al-Begain, K.; Fiems, D.; Knottenbelt, W.), s. 351-366. Lecture Notes in Computer Science, 6148. ISBN 978-3-642-13567-5. ISSN 0302-9743.
[ASMTA 2010. International Conference /17./. Cardiff (GB), 14.06.2010-16.06.2010]
Grant CEP: GA ČR GA201/08/0802
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: functions evaluated via measurements * evolutionary optimization * surrogate modelling * neural networks * boosting
Kód oboru RIV: IN - Informatika
Trvalý link: http://hdl.handle.net/11104/0187137Název souboru Staženo Velikost Komentář Verze Přístup a0345993.pdf 0 550.4 KB Vydavatelský postprint vyžádat - 9.0333959 - ÚI 2010 RIV DE eng C - Konferenční příspěvek (zahraniční konf.)
Holeňa, Martin - Linke, D. - Steinfeldt, N.
Boosted Neural Networks in Evolutionary Computation.
[Neuronové sítě s boostingem v evolučních výpočtech.]
Neural Information Processing. Berlin: Springer, 2009 - (Leung, C.; Lee, M.; Chan, J.), s. 131-140. Lecture Notes in Computer Science, 5864. ISBN 978-3-642-10682-8.
[ICONIP 2009. International Conference on Neural Information Processing /16./. Bangkok (TH), 01.12.2009-05.12.2009]
Grant CEP: GA ČR GA201/08/0802; GA ČR GEICC/08/E018
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: evolutionary algorithms * empirical objective functions * surrogate modelling * surrogate modelling * artificial neural networks * boosting
Kód oboru RIV: IN - Informatika
Trvalý link: http://hdl.handle.net/11104/0178812 - 10.0333856 - ÚI 2010 TH eng A - Abstrakt
Holeňa, Martin - Linke, D. - Steinfeldt, N.
Boosted Neural Networks in Evolutionary Computation.
Challenges and Trends of Neural Information Processing. Bangkok: King Mongkut's University of Technology Thonburi, 2009. s. 225-226.
[ICONIP 2009. International Conference on Neural Information Processing /16./. 01.12.2009-05.12.2009, Bangkok]
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: evolutionary algorithms * empirical objective functions * surrogate modelling * surrogate modelling * artificial neural networks * boosting
Kód oboru RIV: IN - Informatika
Trvalý link: http://hdl.handle.net/11104/0178746