Genetic Programming Theory and Practice XVI / Banzhaf, Wolfgang ; Spector, Lee ; Sheneman, Leigh  

Público ISBD Ningún comentario para este registro. Título : Genetic Programming Theory and Practice XVI Tipo de documento: documento electrónico Autores: Banzhaf, Wolfgang, ; Spector, Lee, ; Sheneman, Leigh, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXI, 234 p. 65 ilustraciones, 47 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-04735-1 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  Algoritmo Índice Dewey: 006.3 Inteligencia artificial Resumen: Estas contribuciones, escritas por los principales investigadores y profesionales internacionales de la Programación Genética (PG), exploran la sinergia entre los resultados teóricos y empíricos sobre problemas del mundo real, produciendo una visión integral del estado del arte en la PG. Los temas de este volumen incluyen: desarrollo de programas en evolución para redes neuronales que resuelven múltiples problemas, programa enredado, aprendizaje por transferencia y detección de valores atípicos utilizando PG, búsqueda de programas para secuencias de aprendizaje automático en aprendizaje de refuerzo, programación automática con PG, nuevas variantes de PG, como SignalGP, variantes de selección de lexicases y técnicas de regresión y clasificación simbólicas. El volumen incluye varios capítulos sobre las mejores prácticas y lecciones aprendidas a partir de la experiencia práctica. Los lectores descubrirán aplicaciones a gran escala y en el mundo real de la PG para una variedad de dominios de problemas a través de presentaciones en profundidad de los resultados más recientes y significativos. Nota de contenido: 1 Exploring Genetic Programming Systems with MAP-Elites -- 2 The Evolutionary Buffet Method -- 3 Emergent Policy Discovery for Visual Reinforcement Learning through Tangled Program Graphs: A Tutorial -- 4 Strong Typing, Swarm Enhancement, and Deep Learning Feature Selection in the Pursuit of Symbolic Regression-Classification -- 5 Cluster Analysis of a Symbolic Regression Search Space -- 6 What else is in an evolved name? Exploring evolvable specificity with SignalGP -- Lexicase Selection Beyond Genetic Programming -- 8 Evolving developmental programs that build neural networks for solving multiple problems -- 9 The Elephant in the Room - Towards the Application of Genetic Programming to Automatic Programming -- 10 Untapped Potential of Genetic Programming: Transfer Learning and Outlier Removal -- 11 Program Search for Machine Learning Pipelines Leveraging Symbolic Planning and Reinforcement Learning. 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 XVI [documento electrónico] / Banzhaf, Wolfgang, ; Spector, Lee, ; Sheneman, Leigh,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XXI, 234 p. 65 ilustraciones, 47 ilustraciones en color. ISBN : 978-3-030-04735-1 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  Algoritmo Índice Dewey: 006.3 Inteligencia artificial Resumen: Estas contribuciones, escritas por los principales investigadores y profesionales internacionales de la Programación Genética (PG), exploran la sinergia entre los resultados teóricos y empíricos sobre problemas del mundo real, produciendo una visión integral del estado del arte en la PG. Los temas de este volumen incluyen: desarrollo de programas en evolución para redes neuronales que resuelven múltiples problemas, programa enredado, aprendizaje por transferencia y detección de valores atípicos utilizando PG, búsqueda de programas para secuencias de aprendizaje automático en aprendizaje de refuerzo, programación automática con PG, nuevas variantes de PG, como SignalGP, variantes de selección de lexicases y técnicas de regresión y clasificación simbólicas. El volumen incluye varios capítulos sobre las mejores prácticas y lecciones aprendidas a partir de la experiencia práctica. Los lectores descubrirán aplicaciones a gran escala y en el mundo real de la PG para una variedad de dominios de problemas a través de presentaciones en profundidad de los resultados más recientes y significativos. Nota de contenido: 1 Exploring Genetic Programming Systems with MAP-Elites -- 2 The Evolutionary Buffet Method -- 3 Emergent Policy Discovery for Visual Reinforcement Learning through Tangled Program Graphs: A Tutorial -- 4 Strong Typing, Swarm Enhancement, and Deep Learning Feature Selection in the Pursuit of Symbolic Regression-Classification -- 5 Cluster Analysis of a Symbolic Regression Search Space -- 6 What else is in an evolved name? Exploring evolvable specificity with SignalGP -- Lexicase Selection Beyond Genetic Programming -- 8 Evolving developmental programs that build neural networks for solving multiple problems -- 9 The Elephant in the Room - Towards the Application of Genetic Programming to Automatic Programming -- 10 Untapped Potential of Genetic Programming: Transfer Learning and Outlier Removal -- 11 Program Search for Machine Learning Pipelines Leveraging Symbolic Planning and Reinforcement Learning. 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 / Banzhaf, Wolfgang ; Goodman, Erik ; Sheneman, Leigh ; Trujillo, Leonardo ; Worzel, Bill  

Público ISBD Ningún comentario para este registro. 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

---

1 (1 - 2 / 2) Par page : 25 50 100 200