Jürgen Paetz

Soft Computing in der Bioinformatik

Eine grundlegende Einführung und Übersicht

• Gebundenes Buch

Produktbeschreibung

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.

Produktdetails

• eXamen.press
• Verlag: Springer / Springer Berlin Heidelberg / Springer, Berlin
• Artikelnr. des Verlages: 11575627, 978-3-540-29886-1
• 2006. 2006
• Erscheinungstermin: 8. März 2006
• Deutsch
• Abmessung: 241mm x 167mm x 32mm
• Gewicht: 794g
• ISBN-13: 9783540298861
• ISBN-10: 354029886X
• Artikelnr.: 20754499

Autorenporträt

Jürgen Paetz, Universität Frankfurt a.M.

Inhaltsangabe

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.