A Metaheuristic Approach to Protein Structure Prediction / Jana, Nanda Dulal  

Público ISBD Ningún comentario para este registro. Título : A Metaheuristic Approach to Protein Structure Prediction : Algorithms and Insights from Fitness Landscape Analysis Tipo de documento: documento electrónico Autores: Jana, Nanda Dulal, ; Das, Swagatam, ; Sil, Jaya, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XXIX, 220 p. 59 ilustraciones, 54 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-74775-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Dinámica  Teorías no lineales  Inteligencia artificial  Proteínas  Sistemas Dinámicos Aplicados Clasificación: 006.3 Resumen: Este libro presenta los rasgos característicos del problema de predicción de la estructura de proteínas (PSP). Se centra en la selección sistemática y la mejora del algoritmo metaheurístico más apropiado para resolver el problema basándose en un análisis del panorama de aptitud, en lugar de en la naturaleza del problema, que era el foco de las metodologías en el pasado. La predicción de la estructura de las proteínas se ocupa de la cuestión de cómo determinar la estructura tridimensional de una proteína a partir de su secuencia primaria. Recientemente se han desarrollado varios algoritmos metaheurísticos exitosos para determinar la estructura nativa, que desempeña un papel importante en la medicina, el diseño de fármacos y la predicción de enfermedades. Este libro interdisciplinario consolida los conceptos más relevantes para la predicción de la estructura de proteínas (PSP) a través de la optimización global no convexa. Está destinado a estudiantes de posgrado de campos como informática, ingeniería, bioinformática y como referencia para investigadores y profesionales. Nota de contenido: Metaheuristic Protein Structure Prediction-An Overview -- Related Works -- Continuous Landscape Analysis using Random Walk Algorithm -- Landscape Characterization and Algorithms Selection for the PSP Problem -- The Levy distributed Parameter Adaptive Metaheuristic Algorithm for Protein Structure Prediction -- Protein Structure Prediction using Improved Variants of Metaheuristic Algorithms -- Hybrid Metaheuristic Approach for Protein Structure Prediction -- Conclusions and Future Research. Tipo de medio : Computadora Summary : This book introduces characteristic features of the protein structure prediction (PSP) problem. It focuses on systematic selection and improvement of the most appropriate metaheuristic algorithm to solve the problem based on a fitness landscape analysis, rather than on the nature of the problem, which was the focus of methodologies in the past. Protein structure prediction is concerned with the question of how to determine the three-dimensional structure of a protein from its primary sequence. Recently a number of successful metaheuristic algorithms have been developed to determine the native structure, which plays an important role in medicine, drug design, and disease prediction. This interdisciplinary book consolidates the concepts most relevant to protein structure prediction (PSP) through global non-convex optimization. It is intended for graduate students from fields such as computer science, engineering, bioinformatics and as a reference for researchers and practitioners. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] A Metaheuristic Approach to Protein Structure Prediction : Algorithms and Insights from Fitness Landscape Analysis [documento electrónico] / Jana, Nanda Dulal, ; Das, Swagatam, ; Sil, Jaya,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XXIX, 220 p. 59 ilustraciones, 54 ilustraciones en color. ISBN : 978-3-319-74775-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Dinámica  Teorías no lineales  Inteligencia artificial  Proteínas  Sistemas Dinámicos Aplicados Clasificación: 006.3 Resumen: Este libro presenta los rasgos característicos del problema de predicción de la estructura de proteínas (PSP). Se centra en la selección sistemática y la mejora del algoritmo metaheurístico más apropiado para resolver el problema basándose en un análisis del panorama de aptitud, en lugar de en la naturaleza del problema, que era el foco de las metodologías en el pasado. La predicción de la estructura de las proteínas se ocupa de la cuestión de cómo determinar la estructura tridimensional de una proteína a partir de su secuencia primaria. Recientemente se han desarrollado varios algoritmos metaheurísticos exitosos para determinar la estructura nativa, que desempeña un papel importante en la medicina, el diseño de fármacos y la predicción de enfermedades. Este libro interdisciplinario consolida los conceptos más relevantes para la predicción de la estructura de proteínas (PSP) a través de la optimización global no convexa. Está destinado a estudiantes de posgrado de campos como informática, ingeniería, bioinformática y como referencia para investigadores y profesionales. Nota de contenido: Metaheuristic Protein Structure Prediction-An Overview -- Related Works -- Continuous Landscape Analysis using Random Walk Algorithm -- Landscape Characterization and Algorithms Selection for the PSP Problem -- The Levy distributed Parameter Adaptive Metaheuristic Algorithm for Protein Structure Prediction -- Protein Structure Prediction using Improved Variants of Metaheuristic Algorithms -- Hybrid Metaheuristic Approach for Protein Structure Prediction -- Conclusions and Future Research. Tipo de medio : Computadora Summary : This book introduces characteristic features of the protein structure prediction (PSP) problem. It focuses on systematic selection and improvement of the most appropriate metaheuristic algorithm to solve the problem based on a fitness landscape analysis, rather than on the nature of the problem, which was the focus of methodologies in the past. Protein structure prediction is concerned with the question of how to determine the three-dimensional structure of a protein from its primary sequence. Recently a number of successful metaheuristic algorithms have been developed to determine the native structure, which plays an important role in medicine, drug design, and disease prediction. This interdisciplinary book consolidates the concepts most relevant to protein structure prediction (PSP) through global non-convex optimization. It is intended for graduate students from fields such as computer science, engineering, bioinformatics and as a reference for researchers and practitioners. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Intrusion Detection / Sengupta, Nandita  

Público ISBD Ningún comentario para este registro. Título : Intrusion Detection : A Data Mining Approach Tipo de documento: documento electrónico Autores: Sengupta, Nandita, ; Sil, Jaya, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2020 Número de páginas: XX, 136 p. ISBN/ISSN/DL: 978-981-1527166-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Cifrado de datos (Informática)  Criptología  Redes de comunicación informática  Criptografía  Protección de datos  Red informática  Seguridad de datos e información Clasificación: 004.6 Ciencia de los computadores (Interfaces y comunicaciones) Resumen: Este libro presenta investigaciones de última generación sobre detección de intrusiones utilizando aprendizaje por refuerzo, teorías de conjuntos difusos y aproximados y algoritmos genéticos. El aprendizaje por refuerzo se emplea para aprender incrementalmente el comportamiento de la red informática, mientras que se utilizan conjuntos aproximados y difusos para manejar la incertidumbre involucrada en la detección de anomalías de tráfico para proteger los recursos de datos de posibles ataques. Los algoritmos genéticos permiten seleccionar de manera óptima los parámetros del tráfico de la red para reducir el riesgo de intrusión en la red. El libro es único en términos de contenido, organización y estilo de escritura. Destinado principalmente a estudiantes de posgrado en ingeniería eléctrica e informática, también es útil para estudiantes de doctorado que realizan investigaciones en detección de intrusiones y profesionales interesados ​​en la seguridad y administración de redes. El libro cubre una amplia gama de aplicaciones, desde seguridad informática general hasta seguridad de servidores, redes y nube. Nota de contenido: Chapter 1. Introduction -- Chapter 2. Discretization -- Chapter 3. Data Reduction -- Chapter 4. Q-Learning Classifiers -- Chapter 5. Hierarchical Q - Learning Classifier -- Chapter 6. Conclusions and Future Research. Tipo de medio : Computadora Summary : This book presents state-of-the-art research on intrusion detection using reinforcement learning, fuzzy and rough set theories, and genetic algorithm. Reinforcement learning is employed to incrementally learn the computer network behavior, while rough and fuzzy sets are utilized to handle the uncertainty involved in the detection of traffic anomaly to secure data resources from possible attack. Genetic algorithms make it possible to optimally select the network traffic parameters to reduce the risk of network intrusion. The book is unique in terms of its content, organization, and writing style. Primarily intended for graduate electrical and computer engineering students, it is also useful for doctoral students pursuing research in intrusion detection and practitioners interested in network security and administration. The book covers a wide range of applications, from general computer security to server, network, and cloud security. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Intrusion Detection : A Data Mining Approach [documento electrónico] / Sengupta, Nandita, ; Sil, Jaya,  . -  1 ed.  . - Singapore [Malasia] : Springer, 2020 . - XX, 136 p. ISBN : 978-981-1527166-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Cifrado de datos (Informática)  Criptología  Redes de comunicación informática  Criptografía  Protección de datos  Red informática  Seguridad de datos e información Clasificación: 004.6 Ciencia de los computadores (Interfaces y comunicaciones) Resumen: Este libro presenta investigaciones de última generación sobre detección de intrusiones utilizando aprendizaje por refuerzo, teorías de conjuntos difusos y aproximados y algoritmos genéticos. El aprendizaje por refuerzo se emplea para aprender incrementalmente el comportamiento de la red informática, mientras que se utilizan conjuntos aproximados y difusos para manejar la incertidumbre involucrada en la detección de anomalías de tráfico para proteger los recursos de datos de posibles ataques. Los algoritmos genéticos permiten seleccionar de manera óptima los parámetros del tráfico de la red para reducir el riesgo de intrusión en la red. El libro es único en términos de contenido, organización y estilo de escritura. Destinado principalmente a estudiantes de posgrado en ingeniería eléctrica e informática, también es útil para estudiantes de doctorado que realizan investigaciones en detección de intrusiones y profesionales interesados ​​en la seguridad y administración de redes. El libro cubre una amplia gama de aplicaciones, desde seguridad informática general hasta seguridad de servidores, redes y nube. Nota de contenido: Chapter 1. Introduction -- Chapter 2. Discretization -- Chapter 3. Data Reduction -- Chapter 4. Q-Learning Classifiers -- Chapter 5. Hierarchical Q - Learning Classifier -- Chapter 6. Conclusions and Future Research. Tipo de medio : Computadora Summary : This book presents state-of-the-art research on intrusion detection using reinforcement learning, fuzzy and rough set theories, and genetic algorithm. Reinforcement learning is employed to incrementally learn the computer network behavior, while rough and fuzzy sets are utilized to handle the uncertainty involved in the detection of traffic anomaly to secure data resources from possible attack. Genetic algorithms make it possible to optimally select the network traffic parameters to reduce the risk of network intrusion. The book is unique in terms of its content, organization, and writing style. Primarily intended for graduate electrical and computer engineering students, it is also useful for doctoral students pursuing research in intrusion detection and practitioners interested in network security and administration. The book covers a wide range of applications, from general computer security to server, network, and cloud security. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 2 / 2) Ver por página : 25 50 100 200