Home |  ENGLISH |  Kontakt |  Impressum |  Anmelden |  KIT

EVOLEARN

Aus Aifbportal

Wechseln zu: Navigation, Suche

Evolution und Lernen


Kontaktperson: Hartmut Schmeck





Projektstatus: abgeschlossen


Beschreibung

Das erste Ziel dieses Projektes ist, ein Verständnis für die Interaktion von Evolution und Lernen ("Life Time Learning") zu gewinnen. Aufbauend darauf soll an einer Testumgebung ein System entwickelt werden, das tatsächlich Lernfähigkeit besitzt, d.h. (darwinistische) Evolution generiert ein System, welches mit einem Lernmachnismus ausgestattet ist. Dieser Lernmechanismus wird nicht explizit kodiert, sondern Ziel ist, dass sich dieser, wie in der Biologie, in der Evolution durchsetzt. Das Mapping zwischen Genotyp ("genetic program") und Phenotyp spielt hierbei eine zentrale Rolle.


Involvierte Personen
Jürgen BrankeIngo PaenkeHartmut Schmeck


Informationen

von: 1 Oktober 2004
bis: 30 September 2006
Finanzierung: Honda Research Institute Europe


Partner

Honda Research Institute Europe


Forschungsgruppe

Effiziente Algorithmen


Forschungsgebiet

Evolutionäre Algorithmen, Evolutionäre Strategien, Genetische Algorithmen, Softcomputing





Publikationen zum Projekt
 - book
 - incollection
 - booklet
 - proceedings
 - techreport
 - deliverable
 - manual
 - misc
 - unpublished






article
Ingo Paenke, Tadeusz Kawecki, Bernhard Sendhoff
The Influence of Learning on Evolution - A Mathematical Framework
Artificial Life, 2008
(Details)

Ingo Paenke, Bernhard Sendhoff, Tadeusz Kawecki
Influence of Plasticity and Learning on Evolution under Directional Selection
The American Naturalist, 170, (2), Seiten E47-E58, 2007
(Details)

Ingo Paenke, Jürgen Branke, Yaochu Jin
Efficient Search for Robust Solutions by Means of Evolutionary Algorithms and Fitness Approximation
IEEE Transactions on Evolutionary Computation, 10, (4), Seiten 405- 420, August, 2006
(Details)

↑ top

inproceedings
Ingo Paenke, Bernhard Sendhoff, Jon Rowe, Chrisantha Fernando
On the Adaptive Disadvantage of Lamarckianism in Rapidly Changing Environments
In F. Almeida e Costa et al., Advances in Artificial Life, 9th European Conference on Artificial Life, Seiten: 355-364, Springer, LNCS, 4648
(Details)

Ingo Paenke, Jürgen Branke, Yaochu Jin
On the Influence of Phenotype Plasticity on Genotype Diversity
IEEE Symposium on Foundations of Computational Intelligence, Seiten: 33-41
(Details)

Ingo Paenke, Tadeusz Kawecki, Bernhard Sendhoff
On the Influence of Lifetime Learning on Selection Pressure
In LM. Rocha, LS. Yaeger, MA. Bedau, D. Floreano, RL. Goldstone and A. Vespignani, Artificial Life X : Proceedings of the Tenth International Conference on the Simulation and Synthesis of Living Systems, Seiten: 500--506, MIT Press, August, 2006
(Details)

↑ top

book
Ingo Paenke
Dynamics of Evolution and Learning
Universitätsverlag Karlsruhe, Juni, 2008
(Details)

↑ top

phdthesis
Ingo Paenke
Dynamics of Evolution and Learning
Prof. Dr. Hartmut Schmeck / Prof. Dr. Xin Yao, 2008/02/29, PhD thesis at the Universität Karlsruhe (TH), Fakultät für Wirtschaftswissenschaften
(Details)

↑ top


-->