| 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 [...] |
|  |
Crear una solicitud de compra Refinar búsquedaNEO 2016 / Maldonado, Yazmin ; Trujillo, Leonardo ; Schütze, Oliver ; Riccardi, Annalisa ; Vasile, Massimiliano
