Autor Worzel, Bill
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaGenetic Programming Theory and Practice XIV / Riolo, Rick ; Worzel, Bill ; Goldman, Brian ; Tozier, Bill
Título : Genetic Programming Theory and Practice XIV Tipo de documento: documento electrónico Autores: Riolo, Rick, ; Worzel, Bill, ; Goldman, Brian, ; Tozier, Bill, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XV, 227 p. 52 ilustraciones ISBN/ISSN/DL: 978-3-319-97088-2 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 artificial Inteligencia Computacional Algoritmos 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. Los capítulos de este volumen incluyen: Análisis basado en similitudes de la dinámica poblacional en GP Realización de regresión simbólica Métodos híbridos de diversidad estructural y de comportamiento en GP Coevolución competitiva multipoblacional para la anticipación de la evasión fiscal Desarrollo de inteligencia artificial general para controladores de videojuegos Un análisis detallado de un PushGP Ejecute genomas lineales para programas estructurados Neutralidad, robustez y capacidad de evolución en GP Búsqueda local en GP PRETSL: Evolución de reglas probabilísticas distribuidas para clasificación de series temporales Estructura relacional en programas de síntesis Problemas con razonamiento analógico Un algoritmo evolutivo para problemas de clasificación multiclase de Big Data A Marco genérico para crear operadores de dispersión en el espacio semántico Ayudar al desarrollo de modelos de activos con aumento evolutivo Bloques de construcción de canales de aprendizaje automático para la inicialización de una herramienta de automatización de ciencia de datos Los lectores descubrirán aplicaciones de GP a gran escala y del mundo real para una variedad de dominios de problemas a través de presentaciones en profundidad de los últimos y más significativos resultados. Nota de contenido: 1 Similarity-based Analysis of Population Dynamics in Genetic Programming Performing Symbolic Regression -- 2 An Investigation of Hybrid Structural and Behavioral Diversity Methods in Genetic Programming -- 3 Investigating Multi-Population Competitive Coevolution for Anticipation of Tax Evasion -- 4 Evolving Artificial General Intelligence for Video Game Controllers -- 5 A Detailed Analysis of a PushGP Run -- 6 Linear Genomes for Structured Programs -- 7 Neutrality, Robustness, and Evolvability in Genetic Programming -- 8 Local Search is Underused in Genetic Programming -- 9 PRETSL: Distributed Probabilistic Rule Evolution for Time-Series Classification -- 10 Discovering Relational Structural in Program Synthesis Problems with Analogical Reasoning -- 11 An Evolutionary Algorithm for Big Data Multi-Class Classification Problems -- 12 A Genetic Framework for Building Dispersion Operators in the Semantic Space -- 13 Assisting Asset Model Development with Evolutionary Augmentation -- 14 Identifying andHarnessing the Building Blocks of Machine Learning Pipelines for Sensible Initialization of a Data Science Automation Tool. 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 XIV [documento electrónico] / Riolo, Rick, ; Worzel, Bill, ; Goldman, Brian, ; Tozier, Bill, . - 1 ed. . - [s.l.] : Springer, 2018 . - XV, 227 p. 52 ilustraciones.
ISBN : 978-3-319-97088-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Inteligencia Computacional Algoritmos 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. Los capítulos de este volumen incluyen: Análisis basado en similitudes de la dinámica poblacional en GP Realización de regresión simbólica Métodos híbridos de diversidad estructural y de comportamiento en GP Coevolución competitiva multipoblacional para la anticipación de la evasión fiscal Desarrollo de inteligencia artificial general para controladores de videojuegos Un análisis detallado de un PushGP Ejecute genomas lineales para programas estructurados Neutralidad, robustez y capacidad de evolución en GP Búsqueda local en GP PRETSL: Evolución de reglas probabilísticas distribuidas para clasificación de series temporales Estructura relacional en programas de síntesis Problemas con razonamiento analógico Un algoritmo evolutivo para problemas de clasificación multiclase de Big Data A Marco genérico para crear operadores de dispersión en el espacio semántico Ayudar al desarrollo de modelos de activos con aumento evolutivo Bloques de construcción de canales de aprendizaje automático para la inicialización de una herramienta de automatización de ciencia de datos Los lectores descubrirán aplicaciones de GP a gran escala y del mundo real para una variedad de dominios de problemas a través de presentaciones en profundidad de los últimos y más significativos resultados. Nota de contenido: 1 Similarity-based Analysis of Population Dynamics in Genetic Programming Performing Symbolic Regression -- 2 An Investigation of Hybrid Structural and Behavioral Diversity Methods in Genetic Programming -- 3 Investigating Multi-Population Competitive Coevolution for Anticipation of Tax Evasion -- 4 Evolving Artificial General Intelligence for Video Game Controllers -- 5 A Detailed Analysis of a PushGP Run -- 6 Linear Genomes for Structured Programs -- 7 Neutrality, Robustness, and Evolvability in Genetic Programming -- 8 Local Search is Underused in Genetic Programming -- 9 PRETSL: Distributed Probabilistic Rule Evolution for Time-Series Classification -- 10 Discovering Relational Structural in Program Synthesis Problems with Analogical Reasoning -- 11 An Evolutionary Algorithm for Big Data Multi-Class Classification Problems -- 12 A Genetic Framework for Building Dispersion Operators in the Semantic Space -- 13 Assisting Asset Model Development with Evolutionary Augmentation -- 14 Identifying andHarnessing the Building Blocks of Machine Learning Pipelines for Sensible Initialization of a Data Science Automation Tool. 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
