Autor Goodman, Erik
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaEvolutionary Multi-Criterion Optimization / Deb, Kalyanmoy ; Goodman, Erik ; Coello Coello, Carlos A. ; Klamroth, Kathrin ; Miettinen, Kaisa ; Mostaghim, Sanaz ; Reed, Patrick
Título : Evolutionary Multi-Criterion Optimization : 10th International Conference, EMO 2019, East Lansing, MI, USA, March 10-13, 2019, Proceedings Tipo de documento: documento electrónico Autores: Deb, Kalyanmoy, ; Goodman, Erik, ; Coello Coello, Carlos A., ; Klamroth, Kathrin, ; Miettinen, Kaisa, ; Mostaghim, Sanaz, ; Reed, Patrick, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XX, 757 p. 374 ilustraciones, 228 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-12598-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Algoritmos Ciencias de la Computación Informática Red de computadoras Inteligencia artificial Modelos de Computación Matemáticas de la Computación Redes de comunicación informática Ciencia de los datos Índice Dewey: 518.1 Resumen: Este libro constituye las actas arbitradas de la Décima Conferencia Internacional sobre Optimización Evolutiva de Criterios Múltiples, EMO 2019, celebrada en East Lansing, MI, EE. UU., en marzo de 2019. Los 59 artículos completos revisados fueron cuidadosamente revisados y seleccionados entre 76 presentaciones. Los artículos se dividen en 8 categorías, cada una de las cuales representa un área clave de interés actual en el campo EMO actual. Incluyen desarrollos teóricos, desarrollos algorítmicos, cuestiones de optimización de muchos objetivos, métricas de rendimiento, extracción de conocimiento y EMO basada en sustitutos, resolución combinatoria de problemas multiobjetivo, MCDM y métodos y aplicaciones EMO interactivos. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Evolutionary Multi-Criterion Optimization : 10th International Conference, EMO 2019, East Lansing, MI, USA, March 10-13, 2019, Proceedings [documento electrónico] / Deb, Kalyanmoy, ; Goodman, Erik, ; Coello Coello, Carlos A., ; Klamroth, Kathrin, ; Miettinen, Kaisa, ; Mostaghim, Sanaz, ; Reed, Patrick, . - 1 ed. . - [s.l.] : Springer, 2019 . - XX, 757 p. 374 ilustraciones, 228 ilustraciones en color.
ISBN : 978-3-030-12598-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Algoritmos Ciencias de la Computación Informática Red de computadoras Inteligencia artificial Modelos de Computación Matemáticas de la Computación Redes de comunicación informática Ciencia de los datos Índice Dewey: 518.1 Resumen: Este libro constituye las actas arbitradas de la Décima Conferencia Internacional sobre Optimización Evolutiva de Criterios Múltiples, EMO 2019, celebrada en East Lansing, MI, EE. UU., en marzo de 2019. Los 59 artículos completos revisados fueron cuidadosamente revisados y seleccionados entre 76 presentaciones. Los artículos se dividen en 8 categorías, cada una de las cuales representa un área clave de interés actual en el campo EMO actual. Incluyen desarrollos teóricos, desarrollos algorítmicos, cuestiones de optimización de muchos objetivos, métricas de rendimiento, extracción de conocimiento y EMO basada en sustitutos, resolución combinatoria de problemas multiobjetivo, MCDM y métodos y aplicaciones EMO interactivos. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Genetic Programming Theory and Practice XVII Tipo de documento: documento electrónico Autores: Banzhaf, Wolfgang, ; Goodman, Erik, ; Sheneman, Leigh, ; Trujillo, Leonardo, ; Worzel, Bill, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXVI, 409 p. 142 ilustraciones, 112 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-39958-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional Inteligencia artificial Algoritmo Índice Dewey: 006.3 Inteligencia artificial Resumen: Estas contribuciones, escritas por los principales investigadores y profesionales internacionales de la Programación Genética (GP), exploran la sinergia entre los resultados teóricos y empíricos sobre problemas del mundo real, produciendo una visión integral del estado del arte en GP. En la edición de este año, los temas cubiertos incluyen muchas de las cuestiones y preguntas de investigación más importantes en el campo, tales como: dominios de aplicación oportunos para métodos basados en GP, juegos y búsqueda coevolutiva, regresión simbólica y estrategias de aprendizaje eficientes, codificaciones y representaciones de GP, teoremas de esquema y nuevos mecanismos de selección. El volumen incluye varios capítulos sobre mejores prácticas y lecciones aprendidas de la experiencia práctica. Los lectores descubrirán aplicaciones de GP a gran escala y del mundo real en una variedad de dominios problemáticos a través de presentaciones detalladas de los resultados más recientes y significativos. Nota de contenido: 1. Characterizing the Effects of Random Subsampling on Lexicase Selection -- 2. It is Time for New Perspectives on How to Fight Bloatin GP -- 3. Explorations of the Semantic Learning Machine Neuroevolution Algorithm -- 4. Can Genetic Programming Perform Explainable Machine Learning for Bioinformatics? -- 5. Symbolic Regression by Exhaustive Search – Reducing the Search Space using Syntactical Constraints and Efficient Semantic Structure Deduplication -- 6. Temporal Memory Sharing in Visual Reinforcement Learning -- 7. The Evolution of Representations in Genetic Programming Trees -- 8. How Competitive is Genetic Programming in Business Data Science Applications? -- 9. Using Modularity Metrics as Design Features to Guide Evolution in Genetic Programming -- 10. Evolutionary Computation and AI Safety -- 11. Genetic Programming Symbolic Regression -- 12. Hands-on Artificial Evolution through Brain Programming -- 13. Comparison of Linear Genome Representations For Software Synthesis -- 14. Enhanced Optimization with Composite Objectives and Novelty Pulsation -- 15. New Pathways in Coevolutionary Computation -- 16. 2019 Evolutionary Algorithms Review -- 17. Evolving a Dota 2 Hero Bot with a Probabilistic Shared Memory Model -- 18. Modelling Genetic Programming as a Simple Sampling Algorithm -- 19. An Evolutionary System for Better Automatic Software Repair -- Index. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Genetic Programming Theory and Practice XVII [documento electrónico] / Banzhaf, Wolfgang, ; Goodman, Erik, ; Sheneman, Leigh, ; Trujillo, Leonardo, ; Worzel, Bill, . - 1 ed. . - [s.l.] : Springer, 2020 . - XXVI, 409 p. 142 ilustraciones, 112 ilustraciones en color.
ISBN : 978-3-030-39958-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia Computacional Inteligencia artificial Algoritmo Índice Dewey: 006.3 Inteligencia artificial Resumen: Estas contribuciones, escritas por los principales investigadores y profesionales internacionales de la Programación Genética (GP), exploran la sinergia entre los resultados teóricos y empíricos sobre problemas del mundo real, produciendo una visión integral del estado del arte en GP. En la edición de este año, los temas cubiertos incluyen muchas de las cuestiones y preguntas de investigación más importantes en el campo, tales como: dominios de aplicación oportunos para métodos basados en GP, juegos y búsqueda coevolutiva, regresión simbólica y estrategias de aprendizaje eficientes, codificaciones y representaciones de GP, teoremas de esquema y nuevos mecanismos de selección. El volumen incluye varios capítulos sobre mejores prácticas y lecciones aprendidas de la experiencia práctica. Los lectores descubrirán aplicaciones de GP a gran escala y del mundo real en una variedad de dominios problemáticos a través de presentaciones detalladas de los resultados más recientes y significativos. Nota de contenido: 1. Characterizing the Effects of Random Subsampling on Lexicase Selection -- 2. It is Time for New Perspectives on How to Fight Bloatin GP -- 3. Explorations of the Semantic Learning Machine Neuroevolution Algorithm -- 4. Can Genetic Programming Perform Explainable Machine Learning for Bioinformatics? -- 5. Symbolic Regression by Exhaustive Search – Reducing the Search Space using Syntactical Constraints and Efficient Semantic Structure Deduplication -- 6. Temporal Memory Sharing in Visual Reinforcement Learning -- 7. The Evolution of Representations in Genetic Programming Trees -- 8. How Competitive is Genetic Programming in Business Data Science Applications? -- 9. Using Modularity Metrics as Design Features to Guide Evolution in Genetic Programming -- 10. Evolutionary Computation and AI Safety -- 11. Genetic Programming Symbolic Regression -- 12. Hands-on Artificial Evolution through Brain Programming -- 13. Comparison of Linear Genome Representations For Software Synthesis -- 14. Enhanced Optimization with Composite Objectives and Novelty Pulsation -- 15. New Pathways in Coevolutionary Computation -- 16. 2019 Evolutionary Algorithms Review -- 17. Evolving a Dota 2 Hero Bot with a Probabilistic Shared Memory Model -- 18. Modelling Genetic Programming as a Simple Sampling Algorithm -- 19. An Evolutionary System for Better Automatic Software Repair -- Index. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
