Überblick über alle wichtigen Themen des Soft Computing, insbesondere auch Berücksichtigung der naturanalogen Algorithmen
Zahlreiche Anwendungsbeispiele aus der Bioinformatik und benachbarter Gebiete
Bislang die einzige umfangreiche Darstellung der Synergien der beiden Themengebiete "Soft Computing" und "Bioinformatik"
Umfangreicher Methodenteil und weiterführende Literaturhinweise
Der Begriff "Soft Computing" bezeichnet ein zunehmend an Bedeutung gewinnendes Thema. Dahinter verbergen sich Methoden wie Neuronale Netze, Fuzzy-Logik, Maschinelles Lernen, evolutionäre Algorithmen und naturanaloge Algorithmen. Das Gemeinsame dieser Verfahren ist ihr Potenzial im Umgang mit komplexen und vage formulierten Datenmengen.
Alle wichtigen Themen des Soft Computing werden behandelt und mit ihren zahlreichen Anwendungen in der Bioinformatik verknüpft, wie beispielsweise Sequenzanalyse, Strukturvorhersage, Genexpressionsanalyse, Systembiologie und Moleküldesign. Insgesamt erhält der Leser anhand einer formal ausgearbeiteten Darstellung einen fundierten Überblick über das Gesamtgebiet. Im Anhang wird zudem eine nützliche Einführung in das Programmpaket "Matlab" gegeben.
Das Buch eignet sich für alle an Soft Computing und Bioinformatik interessierten Leser, die bereits mit den Grundlagen der Mathematik und Informatik vertraut sind.
|
"Soft Computing" gewinnt zunehmend an Bedeutung. Dahinter verbergen sich Methoden wie Neuronale Netze, Fuzzy-Logik, Maschinelles Lernen, evolutionäre und naturanaloge Algorithmen. Das Gemeinsame dieser Verfahren ist ihr Potenzial im Umgang mit komplexen und vage formulierten Datenmengen. Daher eignen sie sich ideal für Anwendungen in der Bioinformatik, die hier vorgestellt werden: Sequenzanalyse, Strukturvorhersage, Genexpressionsanalyse, Systembiologie und Moleküldesign. Leser erhalten anhand der formal ausgearbeiteten Darstellung einen fundierten Überblick über das Gesamtgebiet. Zudem enthält der Anhang eine nützliche Einführung in das Programmpaket "Matlab". Das Buch empfiehlt sich an alle interessierten Leser, die mit den Grundlagen der Mathematik und Informatik vertraut sind. Insbesondere Studenten und Dozenten profitieren von den über 30 Kapiteln.
Grundlagen der Datenanalyse — Bioinformatik.- Übersicht und Einordnung.- Neuronale Netze: Grundlagen.- Backpropagation.- Backpropagation-Netze in der Bioinformatik.- RBF-Netze und Varianten.- Regelgenerierung aus RBF-Netzen.- RBF-Netze in der Bioinformatik.- Kohonen-Netze und Varianten.- Regelgenerierung mit Kohonen-Netzen.- Kohonen-Netze in der Bioinformatik.- Fuzzy-Mengenlehre.- Das Extensionsprinzip und Fuzzy-Zahlen.- Fuzzy-Datenanalyse.- Fuzzy-Logik.- Fuzzy-Systeme.- Neuro-Fuzzy-Systeme.- Fuzzy-Technologie in der Bioinformatik.- Maschinelles Lernen im Rahmen der KI und der Logik.- Entscheidungsbäume.- Assoziationsregeln.- Ausblick auf Zeitreihen.- Generalisierungsregeln.- Weitere Verfahren des Maschinellen Lernens.- Maschinelles Lernen in der Bioinformatik.- Überblick Optimierung, Genetik, Evolution.- Evolutionäre Strategien.- Genetische Algorithmen.- Genetisches Programmieren.- Formale Aspekte evolutionärer Strategien.- Evolutionäre Strategien in der Bioinformatik.- Evolutionäre Strategien in Fuzzy-Systemen.- Naturanaloge Algorithmen — Überblick.- Ameisen und Ameisenkoloniealgorithmen.- Ausblick.
Grundlagen der Datenanalyse - Bioinformatik.- Übersicht und Einordnung.- Neuronale Netze: Grundlagen.- Backpropagation.- Backpropagation-Netze in der Bioinformatik.- RBF-Netze und Varianten.- Regelgenerierung aus RBF-Netzen.- RBF-Netze in der Bioinformatik.- Kohonen-Netze und Varianten.- Regelgenerierung mit Kohonen-Netzen.- Kohonen-Netze in der Bioinformatik.- Fuzzy-Mengenlehre.- Das Extensionsprinzip und Fuzzy-Zahlen.- Fuzzy-Datenanalyse.- Fuzzy-Logik.- Fuzzy-Systeme.- Neuro-Fuzzy-Systeme.- Fuzzy-Technologie in der Bioinformatik.- Maschinelles Lernen im Rahmen der KI und der Logik.- Entscheidungsbäume.- Assoziationsregeln.- Ausblick auf Zeitreihen.- Generalisierungsregeln.- Weitere Verfahren des Maschinellen Lernens.- Maschinelles Lernen in der Bioinformatik.- Überblick Optimierung, Genetik, Evolution.- Evolutionäre Strategien.- Genetische Algorithmen.- Genetisches Programmieren.- Formale Aspekte evolutionärer Strategien.- Evolutionäre Strategien in der Bioinformatik.- Evolutionäre Strategien in Fuzzy-Systemen.- Naturanaloge Algorithmen - Überblick.- Ameisen und Ameisenkoloniealgorithmen.- Ausblick.
Inhaltsverzeichnis
Grundlagen der Datenanalyse - Bioinformatik.- Übersicht und Einordnung.- Neuronale Netze: Grundlagen.- Backpropagation.- Backpropagation-Netze in der Bioinformatik.- RBF-Netze und Varianten.- Regelgenerierung aus RBF-Netzen.- RBF-Netze in der Bioinformatik.- Kohonen-Netze und Varianten.- Regelgenerierung mit Kohonen-Netzen.- Kohonen-Netze in der Bioinformatik.- Fuzzy-Mengenlehre.- Das Extensionsprinzip und Fuzzy-Zahlen.- Fuzzy-Datenanalyse.- Fuzzy-Logik.- Fuzzy-Systeme.- Neuro-Fuzzy-Systeme.- Fuzzy-Technologie in der Bioinformatik.- Maschinelles Lernen im Rahmen der KI und der Logik.- Entscheidungsbäume.- Assoziationsregeln.- Ausblick auf Zeitreihen.- Generalisierungsregeln.- Weitere Verfahren des Maschinellen Lernens.- Maschinelles Lernen in der Bioinformatik.- Überblick Optimierung, Genetik, Evolution.- Evolutionäre Strategien.- Genetische Algorithmen.- Genetisches Programmieren.- Formale Aspekte evolutionärer Strategien.- Evolutionäre Strategien in der Bioinformatik.- Evolutionäre Strategien in Fuzzy-Systemen.- Naturanaloge Algorithmen - Überblick.- Ameisen und Ameisenkoloniealgorithmen.- Ausblick.
Klappentext
Der Begriff "Soft Computing" bezeichnet ein zunehmend an Bedeutung gewinnendes Thema. Dahinter verbergen sich Methoden wie Neuronale Netze, Fuzzy-Logik, Maschinelles Lernen, evolutionäre Algorithmen und naturanaloge Algorithmen. Das Gemeinsame dieser Verfahren ist ihr Potenzial im Umgang mit komplexen und vage formulierten Datenmengen.
n
Alle wichtigen Themen des Soft Computing werden behandelt und mit ihren zahlreichen Anwendungen in der Bioinformatik verknüpft, wie beispielsweise Sequenzanalyse, Strukturvorhersage, Genexpressionsanalyse, Systembiologie und Moleküldesign. Insgesamt erhält der Leser anhand einer formal ausgearbeiteten Darstellung einen fundierten Überblick über das Gesamtgebiet. Im Anhang wird zudem eine nützliche Einführung in das Programmpaket "Matlab" gegeben.
n
Das Buch eignet sich für alle an Soft Computing und Bioinformatik interessierten Leser, die bereits mit den Grundlagen der Mathematik und Informatik vertraut sind.
"Soft Computing" gewinnt zunehmend an Bedeutung. Dahinter verbergen sich Methoden wie Neuronale Netze, Fuzzy-Logik, Maschinelles Lernen, evolutionäre und naturanaloge Algorithmen. Das Gemeinsame dieser Verfahren ist ihr Potenzial im Umgang mit komplexen und vage formulierten Datenmengen. Daher eignen sie sich ideal für Anwendungen in der Bioinformatik, die hier vorgestellt werden: Sequenzanalyse, Strukturvorhersage, Genexpressionsanalyse, Systembiologie und Moleküldesign. Leser erhalten anhand der formal ausgearbeiteten Darstellung einen fundierten Überblick über das Gesamtgebiet. Zudem enthält der Anhang eine nützliche Einführung in das Programmpaket "Matlab". Das Buch empfiehlt sich an alle interessierten Leser, die mit den Grundlagen der Mathematik und Informatik vertraut sind. Insbesondere Studenten und Dozenten profitieren von den über 30 Kapiteln.
