1. Calcolo evolutivo: introduzione ai modelli di calcolo ispirati all'evoluzione.
2. Programmazione genetica: esamina i sistemi adattivi per programmi in evoluzione.
3. Algoritmo genetico: analizza la potenza delle tecniche di ottimizzazione genetica.
4. Algoritmo evolutivo: discute gli algoritmi guidati dall'evoluzione biologica.
5. Calcolo bioispirato: esamina i modelli computazionali ispirati alla natura.
6. Programmazione evolutiva: esplora la simulazione dell'evoluzione nella risoluzione dei problemi.
7. Crossover (algoritmo genetico): descrive in dettaglio i processi di ricombinazione genica.
8. Mutazione (algoritmo genetico): esamina il ruolo della mutazione nella diversità.
9. Cromosoma (algoritmo genetico): descrive le strutture dei dati genetici.
10. Metaeuristica: esplora i framework per trovare soluzioni quasi ottimali.
11. Strategia evolutiva: esamina i meccanismi adattativi per l'ottimizzazione.
12. Fitness efficace: definisce la valutazione del fitness nei contesti evolutivi.
13. Convergenza prematura: mette in guardia dalle insidie dell'ottimizzazione precoce.
14. Rappresentazione genetica: esamina la codifica dei dati negli algoritmi genetici.
15. Algoritmo memetico: copre algoritmi ibridi che combinano ricerche genetiche e locali.
16. Calcolo basato sull'uomo: esamina l'influenza umana nel calcolo.
17. Calcolo laterale: esamina le interazioni laterali nei sistemi computazionali.
18. Calcolo naturale: esplora il calcolo basato sui processi naturali.
19. Vita artificiale: introduce sistemi realistici e le loro applicazioni.
20. Soft Computing: esamina metodi di calcolo flessibili e approssimativi.
21. Neuroevoluzione delle topologie di aumento: approfondisce le reti neurali in evoluzione.
1. Calcolo evolutivo: introduzione ai modelli di calcolo ispirati all'evoluzione.
2. Programmazione genetica: esamina i sistemi adattivi per programmi in evoluzione.
3. Algoritmo genetico: analizza la potenza delle tecniche di ottimizzazione genetica.
4. Algoritmo evolutivo: discute gli algoritmi guidati dall'evoluzione biologica.
5. Calcolo bioispirato: esamina i modelli computazionali ispirati alla natura.
6. Programmazione evolutiva: esplora la simulazione dell'evoluzione nella risoluzione dei problemi.
7. Crossover (algoritmo genetico): descrive in dettaglio i processi di ricombinazione genica.
8. Mutazione (algoritmo genetico): esamina il ruolo della mutazione nella diversità.
9. Cromosoma (algoritmo genetico): descrive le strutture dei dati genetici.
10. Metaeuristica: esplora i framework per trovare soluzioni quasi ottimali.
11. Strategia evolutiva: esamina i meccanismi adattativi per l'ottimizzazione.
12. Fitness efficace: definisce la valutazione del fitness nei contesti evolutivi.
13. Convergenza prematura: mette in guardia dalle insidie dell'ottimizzazione precoce.
14. Rappresentazione genetica: esamina la codifica dei dati negli algoritmi genetici.
15. Algoritmo memetico: copre algoritmi ibridi che combinano ricerche genetiche e locali.
16. Calcolo basato sull'uomo: esamina l'influenza umana nel calcolo.
17. Calcolo laterale: esamina le interazioni laterali nei sistemi computazionali.
18. Calcolo naturale: esplora il calcolo basato sui processi naturali.
19. Vita artificiale: introduce sistemi realistici e le loro applicazioni.
20. Soft Computing: esamina metodi di calcolo flessibili e approssimativi.
21. Neuroevoluzione delle topologie di aumento: approfondisce le reti neurali in evoluzione.
Calcolo evolutivo: Sfruttare algoritmi intelligenti per sistemi robotici avanzati
229
Calcolo evolutivo: Sfruttare algoritmi intelligenti per sistemi robotici avanzati
229
Product Details
| BN ID: | 2940180968296 |
|---|---|
| Publisher: | Un Miliardo Di Ben Informato [Italian] |
| Publication date: | 12/14/2024 |
| Series: | Scienza Della Robotica [Italian] , #28 |
| Sold by: | PUBLISHDRIVE KFT |
| Format: | eBook |
| Pages: | 229 |
| File size: | 882 KB |
| Language: | Italian |