دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Yaochu Jin
سری: Natural Computing Series
ISBN (شابک) : 9789819918546, 9789819918539
ناشر: Springer Nature Singapore
سال نشر: 2023
تعداد صفحات: 508
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 52 Mb
در صورت تبدیل فایل کتاب Computational Evolution of Neural and Morphological Development : Towards Evolutionary Developmental Artificial Intelligence به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تکامل محاسباتی توسعه عصبی و مورفولوژیکی: به سوی هوش مصنوعی تکاملی تکاملی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
کتاب او یک نمای کلی و در عین حال یکپارچه از نظریه و روششناسی برای سیستمهای تکاملی تکاملی ارائه میکند. بر اساس تحقیقات گسترده نویسنده در مورد هم افزایی بین رویکردهای مختلف به هوش مصنوعی از جمله محاسبات تکاملی، شبکههای عصبی مصنوعی و زیستشناسی سیستمها، همچنین به بررسی پیوندهای ذاتی بین هوش بیولوژیکی و هوش مصنوعی میپردازد.\r\n\r\nکتاب با مقدمهای بر الگوریتمهای محاسباتی مورد استفاده برای درک و شبیهسازی تکامل و توسعه بیولوژیکی، از جمله الگوریتمهای تکاملی، مدلهای شبکه تنظیمکننده ژن، مدلهای چند سلولی برای توسعه عصبی و مورفولوژیکی، و مدلهای محاسباتی انعطافپذیری عصبی آغاز میشود. فصل 2 ویژگی های مهم سیستم های تنظیم کننده ژن بیولوژیکی، از جمله نقش های شبکه، اتصال شبکه، استحکام و تکامل را مورد بحث قرار می دهد. یک قدم جلوتر بروید، فصل. 3 روش هایی را برای سنتز نقوش تنظیمی از ابتدا و ایجاد پویایی تنظیمی پیچیده تر با ترکیب موتیف های نظارتی پایه با استفاده از الگوریتم های تکاملی ارائه می دهد. مدلهای رشد چند سلولی، که میتوانند برای شبیهسازی رشد عصبی یا مورفولوژیکی مورد استفاده قرار گیرند، در فصلهای 4 و 5 ارائه شدهاند. 6 به بررسی هم افزایی و جفت شدن بین تکامل و توسعه عصبی و مورفولوژیکی می پردازد. به نوبه خود، فصل. 7 مثالهای مقدماتی و در عین حال امیدوارکنندهای ارائه میکند که چگونه سیستمهای تکاملی تکاملی میتوانند به تولید الگوی خود سازمانیافته کمک کنند، که از آن به عنوان خود سازماندهی مورفوژنتیک یاد میشود، و پتانسیلهای بزرگ سیستمهای تکاملی تکاملی را برجسته میکند. در نهایت، فصل. 8 کتاب را کامل می کند و بر اهمیت و نوید رویکرد تکاملی تکاملی به هوش مصنوعی تأکید می کند.\r\n\r\nاین کتاب با تعداد زیادی نمودار، نمودارها و نمودارها برای کمک به درک مطلب، دارایی ارزشمندی را برای دانشجویان فارغ التحصیل، محققان و پزشکانی که علاقه مند به دنبال کردن رویکردی متفاوت در زمینه هوش مصنوعی هستند، ارائه می دهد.
his book provides a basic yet unified overview of theory and methodologies for evolutionary developmental systems. Based on the author’s extensive research into the synergies between various approaches to artificial intelligence including evolutionary computation, artificial neural networks, and systems biology, it also examines the inherent links between biological intelligence and artificial intelligence. The book begins with an introduction to computational algorithms used to understand and simulate biological evolution and development, including evolutionary algorithms, gene regulatory network models, multi-cellular models for neural and morphological development, and computational models of neural plasticity. Chap. 2 discusses important properties of biological gene regulatory systems, including network motifs, network connectivity, robustness and evolvability. Going a step further, Chap. 3 presents methods for synthesizing regulatory motifs from scratch and creating more complex regulatory dynamics by combining basic regulatory motifs using evolutionary algorithms. Multi-cellular growth models, which can be used to simulate either neural or morphological development, are presented in Chapters 4 and 5. Chap. 6 examines the synergies and coupling between neural and morphological evolution and development. In turn, Chap. 7 provides preliminary yet promising examples of how evolutionary developmental systems can help in self-organized pattern generation, referred to as morphogenetic self-organization, highlighting the great potentials of evolutionary developmental systems. Finally, Chap. 8 rounds out the book, stressing the importance and promise of the evolutionary developmental approach to artificial intelligence. Featuring a wealth of diagrams, graphs and charts to aid in comprehension, this book offers a valuable asset for graduate students, researchers and practitioners who are interested in pursuing a different approach to artificial intelligence.
1. Computational Models of Evolution and Development 2. Analysis of Gene Regulatory Networks 3. Evolutionary Synthesis of Gene Regulatory Dynamics 4. Evolution of Morphological Development 5. Evolution of Neural Development 6. Computational Brain-Body Co-Evolution 7. Evolutionary Morphogenetic Self-organization of Swarm Robots 8. Towards Evolutionary Developmental Systems