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: Susan Stepney. Andrew Adamatzky (eds.)
سری:
ISBN (شابک) : 9783319679976
ناشر: Springer
سال نشر: 2018
تعداد صفحات: 385
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 Mb
در صورت تبدیل فایل کتاب Inspired by Nature. Essays presented to Julian F. Miller 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 با الهام از طبیعت. مقالات ارائه شده به جولیان اف میلر 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.
این کتاب ادای احترامی به ایدهها و دستاوردهای جولیان فرانسیس میلر در علوم کامپیوتر، الگوریتمهای تکاملی و برنامهنویسی ژنتیک، الکترونیک، محاسبات غیر متعارف، شیمی مصنوعی و زیستشناسی نظری است. کارشناسان بین المللی پیشرو در محاسبات با الهام از طبیعت، بینش خود را در مورد اصول پردازش اطلاعات و بهینه سازی در بسترهای زیستی، فیزیکی و شیمیایی شبیه سازی شده و تجربی ارائه می دهند. میلر برنامهریزی ژنتیکی دکارتی (CGP) را در سال 1999 از نمایش مدارهای الکترونیکی که چند سال قبل با تامسون ابداع کرد، اختراع کرد. این کتاب تعدادی از کاربردهای گسترده CGP از جمله پیشبینی چند مرحلهای، حل جزم شبکههای عصبی مصنوعی، محاسبات تقریبی، انفورماتیک پزشکی، مهندسی کنترل، سختافزار تکاملپذیر، و بهینهسازیهای تکاملی چندهدفه را ارائه میکند. این کتاب عمیقاً به تکنیک «تکامل در ماده» میپردازد، اصطلاحی که میلر و داونینگ ابداع کردند، با استفاده از طیف وسیعی از نمونههای آزمایشی محاسباتی در مجموعههای نامرتب نانولولههای گرافن، قالب لجن، گیاهان و سیستمهای شیمیایی انتشار واکنش. پیشرفت در شیمی مصنوعی زیر نمادین، توسعه مصنوعی با الهام از زیست، تکامل کد با برنامهریزی ژنتیکی، و استفاده از بسطهای Reed-Muller در سنتز مدارهای کوانتومی بولی، طعمی منحصر به فرد به محتوا میافزاید. کاوش این کتاب برای خوانندگان از همه اقشار، از دانشجویان کارشناسی گرفته تا اساتید دانشگاه، از ریاضیدانان، دانشمندان کامپیوتر و مهندسان تا شیمیدانان و زیست شناسان، لذت بخش است.
This book is a tribute to Julian Francis Miller’s ideas and achievements in computer science, evolutionary algorithms and genetic programming, electronics, unconventional computing, artificial chemistry and theoretical biology. Leading international experts in computing inspired by nature offer their insights into the principles of information processing and optimisation in simulated and experimental living, physical and chemical substrates. Miller invented Cartesian Genetic Programming (CGP) in 1999, from a representation of electronic circuits he devised with Thomson a few years earlier. The book presents a number of CGP’s wide applications, including multi-step ahead forecasting, solving artificial neural networks dogma, approximate computing, medical informatics, control engineering, evolvable hardware, and multi-objective evolutionary optimisations. The book addresses in depth the technique of ‘Evolution in Materio’, a term coined by Miller and Downing, using a range of examples of experimental prototypes of computing in disordered ensembles of graphene nanotubes, slime mould, plants, and reaction diffusion chemical systems. Advances in sub-symbolic artificial chemistries, artificial bio-inspired development, code evolution with genetic programming, and using Reed-Muller expansions in the synthesis of Boolean quantum circuits add a unique flavour to the content. The book is a pleasure to explore for readers from all walks of life, from undergraduate students to university professors, from mathematicians, computer scientists and engineers to chemists and biologists.
Front Matter ....Pages i-x
Front Matter ....Pages 1-1
Evolvable Hardware Challenges: Past, Present and the Path to a Promising Future (Pauline C. Haddow, Andy M. Tyrrell)....Pages 3-37
Bridging the Gap Between Evolvable Hardware and Industry Using Cartesian Genetic Programming (Zdenek Vasicek)....Pages 39-55
Designing Digital Systems Using Cartesian Genetic Programming and VHDL (Benjamin Henson, James Alfred Walker, Martin A. Trefzer, Andy M. Tyrrell)....Pages 57-86
Evolution in Nanomaterio: The NASCENCE Project (Hajo Broersma)....Pages 87-111
Using Reed-Muller Expansions in the Synthesis and Optimization of Boolean Quantum Circuits (Ahmed Younes)....Pages 113-141
Front Matter ....Pages 143-143
Some Remarks on Code Evolution with Genetic Programming (Wolfgang Banzhaf)....Pages 145-156
Cartesian Genetic Programming for Control Engineering (Tim Clarke)....Pages 157-173
Combining Local and Global Search: A Multi-objective Evolutionary Algorithm for Cartesian Genetic Programming (Paul Kaufmann, Marco Platzner)....Pages 175-194
Approximate Computing: An Old Job for Cartesian Genetic Programming? (Lukas Sekanina)....Pages 195-212
Breaking the Stereotypical Dogma of Artificial Neural Networks with Cartesian Genetic Programming (Gul Muhammad Khan, Arbab Masood Ahmad)....Pages 213-233
Multi-step Ahead Forecasting Using Cartesian Genetic Programming (Ivars Dzalbs, Tatiana Kalganova)....Pages 235-246
Medical Applications of Cartesian Genetic Programming (Stephen L. Smith, Michael A. Lones)....Pages 247-266
Front Matter ....Pages 267-267
Chemical Computing Through Simulated Evolution (Larry Bull, Rita Toth, Chris Stone, Ben De Lacy Costello, Andrew Adamatzky)....Pages 269-286
Sub-Symbolic Artificial Chemistries (Penelope Faulkner, Mihail Krastev, Angelika Sebald, Susan Stepney)....Pages 287-322
Discovering Boolean Gates in Slime Mould (Simon Harding, Jan Koutník, Júrgen Schmidhuber, Andrew Adamatzky)....Pages 323-337
Artificial Development (Tüze Kuyucu, Martin A. Trefzer, Andy M. Tyrrell)....Pages 339-356
Computers from Plants We Never Made: Speculations (Andrew Adamatzky, Simon Harding, Victor Erokhin, Richard Mayne, Nina Gizzie, Frantisek Baluška et al.)....Pages 357-387