Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence

Cândida Ferreira ایده های اساسی برنامه نویسی بیان ژن (GEP) و تغییرات متعدد در این الگوریتم جدید قدرتمند را به طور کامل شرح می دهد. این مونوگراف تمام جزئیات پیاده سازی GEP را ارائه می دهد تا هرکسی که مهارت های اولیه برنامه نویسی را داشته باشد بتواند خودش آن را پیاده سازی کند. این کتاب همچنین شامل مقدمه‌ای مستقل برای این حوزه جدید هیجان‌انگیز هوش محاسباتی است، از جمله چندین الگوریتم جدید برای القای درخت تصمیم، داده‌کاوی، سیستم‌های طبقه‌بندی، یافتن تابع، القای چند جمله‌ای، پیش‌بینی سری‌های زمانی، تکامل توابع پیوندی، که به‌طور خودکار تعریف می‌شوند. توابع، بهینه سازی پارامتر، سنتز منطق، بهینه سازی ترکیبی، و القای کامل شبکه عصبی. این کتاب همچنین برخی از موضوعات مهم و بحث‌برانگیز تکاملی را مورد بحث قرار می‌دهد که ممکن است برای دانشمندان کامپیوتر تکاملی و زیست‌شناسان تازه‌کننده باشد.

این ویرایش دوم به‌طور اساسی با پنج فصل جدید، از جمله فصل جدیدی که دو فصل جدید را توصیف می‌کند، اصلاح و توسعه یافته است. الگوریتم‌هایی برای القای درخت‌های تصمیم با ویژگی‌های اسمی و عددی/مخلوط.

Cândida Ferreira ایده‌های اساسی برنامه‌نویسی بیان ژن (GEP) و تعداد زیادی را به طور کامل شرح می‌دهد. تغییراتی در این

الگوریتم قدرتمند جدید. این مونوگراف تمام جزئیات پیاده سازی

GEP را ارائه می دهد تا هرکسی که مهارت های اولیه برنامه نویسی

را داشته باشد بتواند خودش آن را پیاده سازی کند. این کتاب همچنین شامل یک

مقدمه مستقل از این زمینه جدید هیجان انگیز از هوش محاسباتی

، از جمله چندین الگوریتم جدید برای درخت تصمیم گیری

استقرا، داده کاوی است. ، سیستم های طبقه بندی کننده، یافتن تابع، القایی چند جمله ای

، پیش بینی سری های زمانی، تکامل توابع پیوند دهنده،

توابع تعریف شده خودکار، بهینه سازی پارامترها، سنتز منطق

، بهینه سازی ترکیبی و شبکه عصبی کامل

القاء. این کتاب همچنین برخی از موضوعات مهم و بحث‌برانگیز

تکاملی را مورد بحث قرار می‌دهد که ممکن است برای دانشمندان علوم کامپیوتر و زیست‌شناسان تکامل

خوب باشد. این ویرایش دوم

به طور اساسی اصلاح شده و با پنج فصل جدید، از جمله

یک فصل جدید که دو الگوریتم جدید برای القای درخت‌های تصمیم‌گیری را تشریح می‌کند، توسعه یافته است. ویژگی های عددی/مختلط.

Cândida Ferreira thoroughly describes the basic ideas of gene expression programming (GEP) and numerous modifications to this powerful new algorithm. This monograph provides all the implementation details of GEP so that anyone with elementary programming skills will be able to implement it themselves. The book also includes a self-contained introduction to this new exciting field of computational intelligence, including several new algorithms for decision tree induction, data mining, classifier systems, function finding, polynomial induction, times series prediction, evolution of linking functions, automatically defined functions, parameter optimization, logic synthesis, combinatorial optimization, and complete neural network induction. The book also discusses some important and controversial evolutionary topics that might be refreshing to both evolutionary computer scientists and biologists.

This second edition has been substantially revised and extended with five new chapters, including a new chapter describing two new algorithms for inducing decision trees with nominal and numeric/mixed attributes.

Cândida Ferreira thoroughly describes the basic ideas of gene

expression programming (GEP) and numerous modifications to this

powerful new algorithm. This monograph provides all the implementation

details of GEP so that anyone with elementary programming

skills will be able to implement it themselves. The book also includes a

self-contained introduction to this new exciting field of computational

intelligence, including several new algorithms for decision tree

induction, data mining, classifier systems, function finding, polynomial

induction, times series prediction, evolution of linking functions,

automatically defined functions, parameter optimization, logic

synthesis, combinatorial optimization, and complete neural network

induction. The book also discusses some important and controversial

evolutionary topics that might be refreshing to both evolutionary

computer scientists and biologists. This second edition has been

substantially revised and extended with five new chapters, including

a new chapter describing two new algorithms for inducing decision

trees with nominal and numeric/mixed attributes.