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.
Other formats:   BibTeX LaTeX RIS
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
Original language Czech
Type of outcome Proceedings paper
Field of Study 10201 Computer sciences, information science, bioinformatics
Country of publisher Slovakia
Confidentiality degree is not subject to a state or trade secret
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
Changed by Changed by: doc. RNDr. Lubomír Popelínský, Ph.D., učo 1945. Changed: 16/2/2009 23:41.
Abstract
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.
Abstract (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.
PrintDisplayed: 9/5/2024 06:27