Artificial Neural Networks: Methods and Applications in Bio-/Neuroinformatics

این کتاب آخرین نظریه‌های شبکه‌های عصبی مصنوعی را با تأکید ویژه بر روش‌های بیوانورانفورماتیک گزارش می‌دهد. این شامل بیست و سه مقاله است که از میان بهترین مشارکت‌ها در مورد مسائل مرتبط با بیونورانفورماتیک، که در کنفرانس بین‌المللی شبکه‌های عصبی مصنوعی، در صوفیه، بلغارستان، در 10 تا 13 سپتامبر 2013 (ICANN 2013) برگزار شد، انتخاب شده‌اند. این کتاب طیف وسیعی از موضوعات مربوط به نظریه و کاربردهای شبکه‌های عصبی مصنوعی، از جمله شبکه‌های عصبی مکرر، محاسبات سوپر تورینگ و محاسبات مخزن، پرسپترون‌های برداری دولایه، فاکتورسازی ماتریس غیرمنفی، مدل‌های زیستی الهام‌گرفته از جوامع سلولی، گشتالت را پوشش می‌دهد. قوانین، تئوری تجسم یافته درک زبان، تغییر نگاه ساکادیک و شکل گیری حافظه، و الگوریتم های آموزشی جدید برای ماشین های عمیق بولتزمن، و همچنین شبکه های عصبی پویا و ماشین های هسته. همچنین از رویکردهای جدید برای یادگیری تقویتی، کنترل بهینه سیستم‌های تاخیر زمانی گسسته، الگوریتم‌های جدید برای انتخاب نمونه اولیه و کشف ساختار گروهی گزارش می‌دهد. علاوه بر این، این کتاب ماشین‌های بردار پشتیبان تک کلاسی را برای تشخیص الگو، تشخیص رقم دست‌نویس، پیش‌بینی و طبقه‌بندی سری‌های زمانی، و شناسایی ناهنجاری در تجزیه و تحلیل داده‌ها و تجزیه و تحلیل خودکار داده‌ها مورد بحث قرار می‌دهد. این کتاب با ارائه جدیدترین و بحث چالش‌های موجود در زمینه‌های شبکه‌های عصبی مصنوعی، بیوانفورماتیک و نورو انفورماتیک، به منظور ترویج اجرای روش‌های جدید و بهبود روش‌های موجود و حمایت از دانشجویان پیشرفته در نظر گرفته شده است. محققان و متخصصان در تلاش روزانه خود برای شناسایی، درک و حل تعدادی از سوالات باز در این زمینه ها هستند.

The book reports on the latest theories on artificial neural networks, with a special emphasis on bio-neuroinformatics methods. It includes twenty-three papers selected from among the best contributions on bio-neuroinformatics-related issues, which were presented at the International Conference on Artificial Neural Networks, held in Sofia, Bulgaria, on September 10-13, 2013 (ICANN 2013). The book covers a broad range of topics concerning the theory and applications of artificial neural networks, including recurrent neural networks, super-Turing computation and reservoir computing, double-layer vector perceptrons, nonnegative matrix factorization, bio-inspired models of cell communities, Gestalt laws, embodied theory of language understanding, saccadic gaze shifts and memory formation, and new training algorithms for Deep Boltzmann Machines, as well as dynamic neural networks and kernel machines. It also reports on new approaches to reinforcement learning, optimal control of discrete time-delay systems, new algorithms for prototype selection, and group structure discovering. Moreover, the book discusses one-class support vector machines for pattern recognition, handwritten digit recognition, time series forecasting and classification, and anomaly identification in data analytics and automated data analysis. By presenting the state-of-the-art and discussing the current challenges in the fields of artificial neural networks, bioinformatics and neuroinformatics, the book is intended to promote the implementation of new methods and improvement of existing ones, and to support advanced students, researchers and professionals in their daily efforts to identify, understand and solve a number of open questions in these fields.