Detail publikace

Evolutionary Design of Reduced Precision Preprocessor for Levodopa-Induced Dyskinesia Classifier

HURTA Martin, DRAHOŠOVÁ Michaela a MRÁZEK Vojtěch. Evolutionary Design of Reduced Precision Preprocessor for Levodopa-Induced Dyskinesia Classifier. In: Parallel Problem Solving from Nature - PPSN XVII. Lecture Notes in Computer Science, roč. 13398. Dortmund: Springer Nature Switzerland AG, 2022, s. 491-504. ISBN 978-3-031-14713-5. Dostupné z: https://link.springer.com/chapter/10.1007/978-3-031-14714-2_34
Název česky
Evoluční návrh preprocesoru se sníženou přesností pro klasifikátor levodopou indukované dyskineze
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
URL
Klíčová slova

Kartézské genetické programování, kompoziční evoluce, prediktory fitness s adaptivní velikostí, levodopou indukovaná dyskineze, aproximace magnitudy, energeticky úsporné

Abstrakt

Cílem této práce je navrhnout hardwarově efektivní implementaci předzpracování dat v úloze klasifikace levodopou indukované dyskineze. V rámci řešení této úlohy jsou implementovány a porovnávány tři přístupy: 1) evoluce aproximace magnitudy pomocí karteziánského genetického programování, 2) návrh předzpracování pomocí dvoupopulační koevoluce (2P-CoEA) kartézských programů a prediktorů fitness, které jsou malými podmnožinami trénovací množiny, a 3) návrh pomocí třípopulační koevoluce (3P-CoEA) kombinující kompoziční koevoluci preprocesoru a klasifikátoru s koevolucí prediktorů fitness. Experimentální výsledky ukazují, že všechny tři zkoumané přístupy jsou schopny navrhnout energeticky úsporná řešení, vhodná pro implementaci v hardwaru, s kvalitou srovnatelnou se základní softwarovou implementací. Návrh přibližné magnitudy vede ke správně fungujícím řešením, která jsou však energeticky náročnější než ostatní zkoumané přístupy. 3P-CoEA je schopen kompozičně navrhnout preprocesor i klasifikátor, přičemž dosahuje menších řešení než návrh přibližné magnitudy. Prezentovaný 2P-CoEA vede k nejmenším a energeticky nejúspornějším řešením, a navíc navrhl řešení s výrazně lepší kvalitou klasifikace pro část testovacích dat ve srovnání se softwarovou implementací.

Rok
2022
Strany
491-504
Sborník
Parallel Problem Solving from Nature - PPSN XVII
Řada
Lecture Notes in Computer Science
Svazek
13398
Konference
Parallel Problem Solving from Nature 2022, Dortmund, Germany, DE
ISBN
978-3-031-14713-5
Vydavatel
Springer Nature Switzerland AG
Místo
Dortmund, DE
DOI
UT WoS
000871752100034
EID Scopus
BibTeX
@INPROCEEDINGS{FITPUB12725,
   author = "Martin Hurta and Michaela Draho\v{s}ov\'{a} and Vojt\v{e}ch Mr\'{a}zek",
   title = "Evolutionary Design of Reduced Precision Preprocessor for Levodopa-Induced Dyskinesia Classifier",
   pages = "491--504",
   booktitle = "Parallel Problem Solving from Nature - PPSN XVII",
   series = "Lecture Notes in Computer Science",
   volume = 13398,
   year = 2022,
   location = "Dortmund, DE",
   publisher = "Springer Nature Switzerland AG",
   ISBN = "978-3-031-14713-5",
   doi = "10.1007/978-3-031-14714-2\_34",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/12725"
}
Nahoru