EVOLEARN: Unterschied zwischen den Versionen
Uri (Diskussion | Beiträge) |
Uri (Diskussion | Beiträge) |
||
Zeile 13: | Zeile 13: | ||
|Forschungsgruppe=Effiziente Algorithmen | |Forschungsgruppe=Effiziente Algorithmen | ||
|Partner=Honda Research Institute Europe | |Partner=Honda Research Institute Europe | ||
− | |||
}} | }} | ||
{{Forschungsgebiet Auswahl | {{Forschungsgebiet Auswahl | ||
|Forschungsgebiet=Evolutionäre Algorithmen | |Forschungsgebiet=Evolutionäre Algorithmen | ||
− | |||
}} | }} | ||
{{Forschungsgebiet Auswahl | {{Forschungsgebiet Auswahl | ||
|Forschungsgebiet=Evolutionäre Strategien | |Forschungsgebiet=Evolutionäre Strategien | ||
− | |||
}} | }} | ||
{{Forschungsgebiet Auswahl | {{Forschungsgebiet Auswahl | ||
|Forschungsgebiet=Genetische Algorithmen | |Forschungsgebiet=Genetische Algorithmen | ||
− | |||
− | |||
− | |||
− | |||
− | |||
}} | }} | ||
{{Forschungsgebiet Auswahl | {{Forschungsgebiet Auswahl | ||
|Forschungsgebiet=Softcomputing | |Forschungsgebiet=Softcomputing | ||
− | |||
}} | }} |
Aktuelle Version vom 17. September 2009, 22:26 Uhr
Evolution und Lernen |
|
|
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.
von: 1 Oktober 2004
bis: 30 September 2006
Finanzierung: Honda Research Institute Europe
Honda Research Institute Europe
EVOLEARN (Evolutionäre Algorithmen, Softcomputing, Evolutionäre Strategien, Genetische Algorithmen)
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)
↑ topinproceedings
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)
↑ topbook
Ingo Paenke
Dynamics of Evolution and Learning
Universitätsverlag Karlsruhe, Juni, 2008
(Details)
↑ topphdthesis
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