Información del autor
Autor Trujillo, Leonardo |
Documentos disponibles escritos por este autor (3)
Crear una solicitud de compra Refinar búsquedaGenetic Programming Theory and Practice XVII / Banzhaf, Wolfgang ; Goodman, Erik ; Sheneman, Leigh ; Trujillo, Leonardo ; Worzel, Bill
TÃtulo : 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 Clasificación: Resumen: Estas contribuciones, escritas por los principales investigadores y profesionales internacionales de la Programación Genética (GP), exploran la sinergia entre los resultados teóricos y empÃricos 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 capÃtulos 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 Efï¬cient 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 Artiï¬cial 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. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] 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 Clasificación: Resumen: Estas contribuciones, escritas por los principales investigadores y profesionales internacionales de la Programación Genética (GP), exploran la sinergia entre los resultados teóricos y empÃricos 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 capÃtulos 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 Efï¬cient 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 Artiï¬cial 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. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : NEO 2015 : Results of the Numerical and Evolutionary Optimization Workshop NEO 2015 held at September 23-25 2015 in Tijuana, Mexico Tipo de documento: documento electrónico Autores: Schütze, Oliver, ; Trujillo, Leonardo, ; Legrand, Pierrick, ; Maldonado, Yazmin, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XVI, 444 p. 198 ilustraciones, 107 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-44003-3 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 Optimización matemática Procesamiento de imágenes Visión por computador Investigación cuantitativa Mejoramiento Imágenes por computadora visión reconocimiento de patrones y gráficos Análisis de datos y Big Data Clasificación: Resumen: Este volumen comprende una selección de trabajos presentados en el taller de Optimización Numérica y Evolutiva (NEO) celebrado en septiembre de 2015 en Tijuana, México. El desarrollo de potentes técnicas de búsqueda y optimización es de gran importancia en el mundo actual, que requiere que investigadores y profesionales aborden un número creciente de problemas desafiantes del mundo real. En particular, hay dos campos bien establecidos y ampliamente conocidos que se aplican comúnmente en esta área: (i) técnicas tradicionales de optimización numérica y (ii) heurÃsticas bioinspiradas comparativamente recientes. Ambos paradigmas tienen sus fortalezas y debilidades únicas, lo que les permite resolver algunos problemas desafiantes y al mismo tiempo fallar en otros. El objetivo de la serie de talleres NEO es reunir a personas de estos y campos relacionados para discutir, comparar y fusionar sus perspectivas complementarias con el fin de desarrollar métodos hÃbridos rápidos y confiables que maximicen las fortalezas y minimicen las debilidades de los paradigmas subyacentes. A través de este esfuerzo, creemos que NEO puede promover el desarrollo de nuevas técnicas que sean aplicables a una clase más amplia de problemas. Además, NEO fomenta la comprensión y el tratamiento adecuado de los problemas del mundo real, particularmente en campos emergentes que nos afectan a todos, como la atención médica, las ciudades inteligentes, el big data, entre muchos otros. Los artÃculos ampliados de NEO 2015 que componen este libro contribuyen a este objetivo. Nota de contenido: Part I Genetic Programming -- Part II Combinatorial Optimization -- Part IV Machine Learning and Real World Applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] NEO 2015 : Results of the Numerical and Evolutionary Optimization Workshop NEO 2015 held at September 23-25 2015 in Tijuana, Mexico [documento electrónico] / Schütze, Oliver, ; Trujillo, Leonardo, ; Legrand, Pierrick, ; Maldonado, Yazmin, . - 1 ed. . - [s.l.] : Springer, 2017 . - XVI, 444 p. 198 ilustraciones, 107 ilustraciones en color.
ISBN : 978-3-319-44003-3
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 Optimización matemática Procesamiento de imágenes Visión por computador Investigación cuantitativa Mejoramiento Imágenes por computadora visión reconocimiento de patrones y gráficos Análisis de datos y Big Data Clasificación: Resumen: Este volumen comprende una selección de trabajos presentados en el taller de Optimización Numérica y Evolutiva (NEO) celebrado en septiembre de 2015 en Tijuana, México. El desarrollo de potentes técnicas de búsqueda y optimización es de gran importancia en el mundo actual, que requiere que investigadores y profesionales aborden un número creciente de problemas desafiantes del mundo real. En particular, hay dos campos bien establecidos y ampliamente conocidos que se aplican comúnmente en esta área: (i) técnicas tradicionales de optimización numérica y (ii) heurÃsticas bioinspiradas comparativamente recientes. Ambos paradigmas tienen sus fortalezas y debilidades únicas, lo que les permite resolver algunos problemas desafiantes y al mismo tiempo fallar en otros. El objetivo de la serie de talleres NEO es reunir a personas de estos y campos relacionados para discutir, comparar y fusionar sus perspectivas complementarias con el fin de desarrollar métodos hÃbridos rápidos y confiables que maximicen las fortalezas y minimicen las debilidades de los paradigmas subyacentes. A través de este esfuerzo, creemos que NEO puede promover el desarrollo de nuevas técnicas que sean aplicables a una clase más amplia de problemas. Además, NEO fomenta la comprensión y el tratamiento adecuado de los problemas del mundo real, particularmente en campos emergentes que nos afectan a todos, como la atención médica, las ciudades inteligentes, el big data, entre muchos otros. Los artÃculos ampliados de NEO 2015 que componen este libro contribuyen a este objetivo. Nota de contenido: Part I Genetic Programming -- Part II Combinatorial Optimization -- Part IV Machine Learning and Real World Applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : NEO 2016 : Results of the Numerical and Evolutionary Optimization Workshop NEO 2016 and the NEO Cities 2016 Workshop held on September 20-24, 2016 in Tlalnepantla, Mexico Tipo de documento: documento electrónico Autores: Maldonado, Yazmin, ; Trujillo, Leonardo, ; Schütze, Oliver, ; Riccardi, Annalisa, ; Vasile, Massimiliano, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XIII, 282 p. 146 ilustraciones, 124 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-64063-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional Inteligencia artificial Procesamiento de imágenes Visión por computador Imágenes por computadora visión reconocimiento de patrones y gráficos Clasificación: Resumen: Este volumen comprende una selección de trabajos presentados en el taller de Optimización Numérica y Evolutiva (NEO 2016) celebrado en septiembre de 2016 en Tlalnepantla, México. El desarrollo de potentes técnicas de búsqueda y optimización es de gran importancia en el mundo actual y requiere que investigadores y profesionales aborden un número creciente de problemas desafiantes del mundo real. En particular, hay dos campos bien establecidos y ampliamente conocidos que se aplican comúnmente en esta área: (i) técnicas tradicionales de optimización numérica y (ii) heurÃsticas bioinspiradas comparativamente recientes. Ambos paradigmas tienen sus fortalezas y debilidades únicas, lo que les permite resolver algunos problemas desafiantes y al mismo tiempo fallar en otros. El objetivo de la serie de talleres NEO es reunir a expertos de estos y otros campos relacionados para discutir, comparar y fusionar sus perspectivas complementarias con el fin de desarrollar métodos hÃbridos rápidos y confiables que maximicen las fortalezas y minimicen las debilidades de los paradigmas subyacentes. Al hacerlo, NEO promueve el desarrollo de nuevas técnicas que sean aplicables a una clase más amplia de problemas. Además, NEO fomenta la comprensión y el tratamiento adecuado de los problemas del mundo real, particularmente en campos emergentes que nos afectan a todos, como la atención médica, las ciudades inteligentes, el big data, entre muchos otros. Los artÃculos ampliados presentados en el libro contribuyen a lograr este objetivo. . Nota de contenido: Part I: Smart Cities -- Defensive Driving Strategy and Control for Autonomous Ground Vehicle in Mixed Trafï¬c -- Augmenting the LSA Technique to Evaluate Ubicomp Environments -- Mixed Integer Programming Formulation for the Energy-Efï¬cient Train Timetables Problem -- Distributing Computing in the Internet of Things: Cloud, Fog and Edge Computing Overview -- Part II: Search, Optimization and Hybrid Algorithms -- Integer Programming Models and Heuristics for Non-Crossing Euclidean 3-Matchings -- A Multi-Objective Robust Ellipse Fitting Algorithm -- Gradient-Based Multiobjective Optimization with Uncertainties -- A New Local Search Heuristic for the Multidimensional Assignment Problem -- Part III: Electronics and Embedded Systems --  A Multi-Objective and Multidisciplinary Optimisation Algorithm for Microelectromechanical Systems -- Coefï¬cients Estimation of MPM through LSE, ORLS and SLS for RF-PA Modeling and DPD -- Optimal Sizing of Ampliï¬ers by Evolutionary Algorithms with Integer Encoding and gm/IDDesign Method -- Index.  . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] NEO 2016 : Results of the Numerical and Evolutionary Optimization Workshop NEO 2016 and the NEO Cities 2016 Workshop held on September 20-24, 2016 in Tlalnepantla, Mexico [documento electrónico] / Maldonado, Yazmin, ; Trujillo, Leonardo, ; Schütze, Oliver, ; Riccardi, Annalisa, ; Vasile, Massimiliano, . - 1 ed. . - [s.l.] : Springer, 2018 . - XIII, 282 p. 146 ilustraciones, 124 ilustraciones en color.
ISBN : 978-3-319-64063-1
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 Procesamiento de imágenes Visión por computador Imágenes por computadora visión reconocimiento de patrones y gráficos Clasificación: Resumen: Este volumen comprende una selección de trabajos presentados en el taller de Optimización Numérica y Evolutiva (NEO 2016) celebrado en septiembre de 2016 en Tlalnepantla, México. El desarrollo de potentes técnicas de búsqueda y optimización es de gran importancia en el mundo actual y requiere que investigadores y profesionales aborden un número creciente de problemas desafiantes del mundo real. En particular, hay dos campos bien establecidos y ampliamente conocidos que se aplican comúnmente en esta área: (i) técnicas tradicionales de optimización numérica y (ii) heurÃsticas bioinspiradas comparativamente recientes. Ambos paradigmas tienen sus fortalezas y debilidades únicas, lo que les permite resolver algunos problemas desafiantes y al mismo tiempo fallar en otros. El objetivo de la serie de talleres NEO es reunir a expertos de estos y otros campos relacionados para discutir, comparar y fusionar sus perspectivas complementarias con el fin de desarrollar métodos hÃbridos rápidos y confiables que maximicen las fortalezas y minimicen las debilidades de los paradigmas subyacentes. Al hacerlo, NEO promueve el desarrollo de nuevas técnicas que sean aplicables a una clase más amplia de problemas. Además, NEO fomenta la comprensión y el tratamiento adecuado de los problemas del mundo real, particularmente en campos emergentes que nos afectan a todos, como la atención médica, las ciudades inteligentes, el big data, entre muchos otros. Los artÃculos ampliados presentados en el libro contribuyen a lograr este objetivo. . Nota de contenido: Part I: Smart Cities -- Defensive Driving Strategy and Control for Autonomous Ground Vehicle in Mixed Trafï¬c -- Augmenting the LSA Technique to Evaluate Ubicomp Environments -- Mixed Integer Programming Formulation for the Energy-Efï¬cient Train Timetables Problem -- Distributing Computing in the Internet of Things: Cloud, Fog and Edge Computing Overview -- Part II: Search, Optimization and Hybrid Algorithms -- Integer Programming Models and Heuristics for Non-Crossing Euclidean 3-Matchings -- A Multi-Objective Robust Ellipse Fitting Algorithm -- Gradient-Based Multiobjective Optimization with Uncertainties -- A New Local Search Heuristic for the Multidimensional Assignment Problem -- Part III: Electronics and Embedded Systems --  A Multi-Objective and Multidisciplinary Optimisation Algorithm for Microelectromechanical Systems -- Coefï¬cients Estimation of MPM through LSE, ORLS and SLS for RF-PA Modeling and DPD -- Optimal Sizing of Ampliï¬ers by Evolutionary Algorithms with Integer Encoding and gm/IDDesign Method -- Index.  . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
