Wat hebben het voorspellen van financiële gegevens, de ontwikkeling van day-trading regels en de selectie van biomarkers met elkaar gemeen? Het zijn slechts enkele van de taken die mogelijk kunnen worden opgelost met genetische programmering en machine learning-technieken. Applied Genetic Programming and Machine Learning is geschreven door leiders op dit gebied en schetst de uitbreiding van Genetic Programming (GP) voor praktische toepassingen. Dit boek weerspiegelt snel ontwikkelende concepten en opkomende paradigma's en schetst hoe machine learning-technieken kunnen worden gebruikt, lerende operatoren kunnen maken die efficiënt een zoekruimte bemonsteren, het zoekproces kunnen navigeren door het ontwerp van objectieve fitnessfuncties en de zoekprestaties van het evolutionaire systeem kunnen onderzoeken. Het biedt een methodologie voor het integreren van GP- en machine learning-technieken, waarbij een robuust evolutionair kader wordt gecreëerd voor het aanpakken van taken op gebieden zoals chaotische tijdreeksvoorspelling, systeemidentificatie, financiële prognoses, classificatie en datamining. Het boek biedt een startpunt voor het onderzoek naar uitgebreide GP-frameworks met de integratie van verschillende machine learning-schema's. Op basis van empirische studies uit vakgebieden als systeemidentificatie, financiële engineering en bio-informatica laat het zien hoe de voorgestelde methodologie nuttig kan zijn bij het praktisch oplossen van inductieve problemen. . Taal: Engels