- -

Forest-Genetic method to optimize parameter design of multiresponse experiment

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Forest-Genetic method to optimize parameter design of multiresponse experiment

Show full item record

Villa Murillo, A.; Carrión García, A.; Sozzi, A. (2020). Forest-Genetic method to optimize parameter design of multiresponse experiment. Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial. 23(66):9-25. https://doi.org/10.4114/intartif.vol23iss66pp9-25

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/161392

Files in this item

Item Metadata

Title: Forest-Genetic method to optimize parameter design of multiresponse experiment
Author: Villa Murillo, Adriana Carrión García, Andrés Sozzi, Antonio
UPV Unit: Universitat Politècnica de València. Departamento de Estadística e Investigación Operativa Aplicadas y Calidad - Departament d'Estadística i Investigació Operativa Aplicades i Qualitat
Universitat Politècnica de València. Departamento de Mecanización y Tecnología Agraria - Departament de Mecanització i Tecnologia Agrària
Issued date:
Abstract:
[EN] We propose a methodology for the improvement of the parameter design that consists of the combination of Random Forest (RF) with Genetic Algorithms (GA) in 3 phases: normalization, modelling and optimization. The first ...[+]


[ES] Proponemos una metodología para la mejora del diseño de parámetros que consiste en la combinación de Random Forest (RF) con Algoritmos Genéticos (GA) en 3 fases: normalización, modelización y optimización. La primera ...[+]
Subjects: Genetic algorithm , Random Forest , Neural networks , Multivariate analysis , Artificial intelligence , Inteligencia artificial , Algoritmos genéticos , Redes neuronales artificiales , Análisis multivariante
Copyrigths: Reconocimiento - No comercial (by-nc)
Source:
Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial. (issn: 1137-3601 )
DOI: 10.4114/intartif.vol23iss66pp9-25
Publisher:
Sociedad Iberoamericana de Inteligencia Artificial (IBERAMIA)
Publisher version: https://doi.org/10.4114/intartif.vol23iss66pp9-25
Type: Artículo

recommendations

 

This item appears in the following Collection(s)

Show full item record