Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[62110] Artykuł:

UniProt protein sequence data classification using genetically-optimized fuzzy rule-based systems

Czasopismo: IFSA World Congress   Tom: 17, Strony: 1-6
ISBN:  978-1-5090-4917-2
Wydawca:  IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA
Opublikowano: 2017
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Do oświadczenia
nr 3		 Grupa
przynależności		 Dyscyplina
naukowa		 Procent
udziału		 Liczba
punktów
do oceny pracownika		 Liczba
punktów wg
kryteriów ewaluacji
Marian Bolesław Gorzałczany orcid logo WEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *Takzaliczony do "N"Automatyka, elektronika, elektrotechnika i technologie kosmiczne5070.00.00  
Filip Rudziński orcid logo WEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *Takzaliczony do "N"Informatyka techniczna i telekomunikacja5070.00.00  

Grupa MNiSW:  Konferencja Informatyczna
Punkty MNiSW: 70
Klasyfikacja Web of Science: Proceedings Paper

Pełny tekstPełny tekst     DOI LogoDOI     Web of Science Logo Web of Science    

Abstract:

In this paper, we present the application of our fuzzy rule-based classification technique with genetically optimized accuracy-transparency/interpretability trade-off to the classification of selected protein sequence data coming from the Universal Protein Resource (UniProt) repository. Three multi-objective evolutionary optimization algorithms are used and compared in the framework of our approach, i.e., the well-known Strength Pareto Evolutionary Algorithm 2 (SPEA2), Nondominated Sorting Genetic Algorithm II (NSGA-II), and our SPEA2’s generalization (referred to as SPEA3) characterized by a higher spread and a better-balanced distribution of solutions. A comparison with 5 alternative approaches is also performed.


POWRÓT
Strona główna > Publikacje