это стоит почитать или

Библиотека

  1. Об интеллектуальном анализе данных
    Анализ данных является необходимым этапом любой познавательной деятельности в сферах науки, управления, медицины и юридической деятельности. В данной статье сформулированы пять вопросов об анализе данных как инструменте искуственного интеллекта и перспективах его развития как средства интеллектуального анализа данных.

    Автор: В.К. Финн
    Исходный URL:
    http://www.raai.org/about/persons/finn/pages/finn_kdd.doc


  2. Формы реализации и границы применения эволюционных алгоритмов
    Статья из журнала «Перспективные информационные технологии и интеллектуальные системы», в которой автор рассматривает актуальную проблему сравнительного анализа различных форм эволюционных алгоритмов, систематизации их особенностей и выработки рекомендаций по применению эволюционных алгоритмов для решения оптимизационных задач.

    Автор: С.И. Родзин
    Исходный URL: http://pitis.tsure.ru/files9/p07.pdf


  3. Genetic algorithms and artificial life
    Довольно объемная статья, в которой рассмотрены вопросы истории генетических алгоритмов, нынешнее состояние сферы эволюционных вычислений, а также некоторое количество "темных пятен" и будущие направления исследований. Все это снабжено исчерпывающими примерами и настоятельно рекомендуется к чтению.

    Авторы: Melanie Mitchell, Stephanie Forrest
    Исходный URL: http://www.cs.pdx.edu/~mm/GA.Alife.pdf


  4. The Design of Innovation: Lessons from Genetic Algorithms, Lessons for the Real World
    В этой небольшой статье автор обращаеться к некоторым вопросам касательно движущих сил генетических алгоритмов, как инновационной технологии в реализации оптимизационных задач. Обсуждаются наиболее возможные сценарии применения генетических алгоритмов в практических задачах.

    Автор: David E. Goldberg
    Исходный URL:
    ftp://ftp-illigal.ge.uiuc.edu/pub/papers/Publications/Goldberg/design-innovation.ps.Z


  5. A Meditation on the Application of Genetic Algorithms
    Стоит ли обратить внимание на генетический алгоритм при поиске оптимизационного метода для той или иной задачи? Каковы причины и последствия такого выбора? Автор отвечает на эти и некоторые другие вопросы в рамках этой статьи в доступной форме.

    Автор: David E. Goldberg
    Исходный URL:
    ftp://ftp-illigal.ge.uiuc.edu/pub/papers/Publications/Goldberg/meditation.ps.Z


  6. Genetic Algorithms in Problem Solving: Data Analysis and Prediction
    Глава из книги Melanie Mitchell "An Introduction to Genetic Algorithms", посвященная применению генетических алгоритмов в прогностических задачах. Мой перевод этого отрывка можно почитать вот здесь.

    Автор: Melanie Mitchell
    Исходный URL:
    Mitchell, M. (1996). An Introduction to Genetic Algorithms. Cambridge, MA: MIT Press. P. 42 - 49.


  7. When Will a Genetic Algorithm Outperform Hill Climbing?
    В статье проведен сравнительны анализ двух алгоритмов - метода градиентного спуска и простого генетического алгоритма для выявления обобщенных принципов, позволяющих априорно оценить успешность применения генетических алгоритмов для тех или иных классов оптимизационных задач.

    Авторы: Melanie Mitchell, John H. Holland
    Исходный URL: http://www.cs.pdx.edu/~mm/nips93.pdf


  8. Нейропептиды и нейрогенные механизмы артритов
    В статье освещена роль некоторых пептидов, вырабатываемых в нервной ткани в патогенезе воспаления синовиальной оболочки при некоторых артритах. Показано, что нейрогенные механизмы могут объяснить некоторые ранее необъяснимые факты. Обсуждается возможность использования регуляции нейропептидов/нейропептидаз в лечении артритов.

    Автор: А.М. Гнилорыбов
    Исходный URL:
    http://rheumatology.org.ua/?area_id=13&stuff_id=66


<< Вверх