| 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 |
|  |
Hacer una sugerencia Refinar búsquedaGenetic Programming Theory and Practice XIV / Riolo, Rick ; Worzel, Bill ; Goldman, Brian ; Tozier, Bill
