Jak mravenčí kolonie dobývají znalosti

VODÁK, Daniel and Lubomír POPELÍNSKÝ. Jak mravenčí kolonie dobývají znalosti (How An Ant Colony Mines Data). In Sborník 7. ročníku konference Znalosti. Bratislava: STU, 2008, p. 291-302. ISBN 978-80-227-2827-0.

Basic information

Original name

Jak mravenčí kolonie dobývají znalosti

Name (in English)

How An Ant Colony Mines Data

Authors

VODÁK, Daniel (203 Czech Republic) and Lubomír POPELÍNSKÝ (203 Czech Republic, guarantor)

Edition

Bratislava, Sborník 7. ročníku konference Znalosti, p. 291-302, 12 pp. 2008

Publisher

STU

---

Other information

Language

Czech

Type of outcome

Stať ve sborníku

Field of Study

10201 Computer sciences, information science, bioinformatics

Country of publisher

Slovakia

Confidentiality degree

není předmětem státního či obchodního tajemství

RIV identification code

RIV/00216224:14330/08:00035054

Organization unit

Faculty of Informatics

ISBN

978-80-227-2827-0

Keywords in English

swarm intelligence; ant colony; machine learning; classification

Tags

ant colony, CLASSIFICATION, machine learning, swarm intelligence

Tags

International impact, Reviewed

---

Abstract

V originále

Mezi nová řešení klasifikačních úloh patří přístupy inspiro- vané sociálním chováním společenstev hmyzu - včel, termitů nebo mra- venců. V této práci přinášíme kritickou analýzu systému Ant-Miner a uvádíme jeho vylepšenou verzi. Uvádíme nejprve analýzu časové nároč- nosti původního algoritmu GUI Ant-Miner. Ukážeme, že datová sada Wisconsin Breast Cancer použitá pro experimenty ve všech předcho- zích publikovaných článcích není vhodná. Poté popíšeme novou verzi, Ant-Miner+, včetně nového pravidla pro určení kvality naučených dat. Uvádíme výsledky experimentů s tímto systémem a porovnání s jinými učícími algoritmy.

In English

We discuss several drawbacks of Ant-Miner, a learning system that was inspired by behavior of social insects. First we bring experimental analysis of time com- plexity of the original algorithm. We show that Wisconsin Breast Cancer data that was used in most of experiments is not appropriate. Then we describe a new version, Ant-Miner+ and also a new quality criterion. We compare performance of Ant-Miner with Ant-Miner+ and Ant-Miner+ with other learning algorithms.