دانلود کتاب Ecological Informatics – Scope, Techniques and Applications

ترجمه فارسی توضیحات (ترجمه ماشینی)

انفورماتیک بوم شناختی – دامنه، تکنیک ها و کاربردها

انفورماتیک اکولوژیک تحقیقات بین رشته ای بین اکولوژی و علوم کامپیوتر را در مورد روشن کردن اصول پردازش اطلاعات در اکوسیستم ها، پایداری اکولوژیکی با تصمیم گیری آگاهانه و محاسبات الهام گرفته از زیستی ترویج می کند. ویرایش دوم کتاب، دامنه، مفاهیم و تکنیک‌های این رشته تازه در حال ظهور را با مقدمه‌ای جدید و فصل‌های اضافی در مورد اتوماتای ​​سلولی، استدلال کیفی، الگوریتم‌های تکاملی ترکیبی و شبکه‌های عصبی مصنوعی ادغام می‌کند. این برنامه کاربردهای متعدد انفورماتیک اکولوژیکی برای اکوسیستم های آبی و زمینی، تشخیص تصویر در مقیاس میکرو و ماکرو و همچنین طراحی سخت افزار کامپیوتر را نشان می دهد.
مطالعات موردی بر کاربردهای شبکه های عصبی مصنوعی، محاسبات تکاملی، اتوماتای ​​سلولی، عوامل تطبیقی، منطق فازی و همچنین استدلال کیفی تمرکز دارند.
ویرایش دوم کتاب شامل یک فهرست و یک سی دی با الگوریتم‌های تکاملی جدید برای کشف توابع غیرخطی متعدد و مجموعه قوانین و همچنین بهینه‌سازی پارامترها در داده‌های پیچیده اکولوژیکی است.

Ecological Informatics – Scope, Techniques and Applications

Ecological Informatics promotes interdisciplinary research between ecology and computer science on elucidation of principles of information processing in ecosystems, ecological sustainability by informed decision making, and bio-inspired computation. The 2nd edition of the book consolidates the scope, concepts, and techniques of this newly emerging discipline by a new preface and additional chapters on cellular automata, qualitative reasoning, hybrid evolutionary algorithms and artificial neural networks. It illustrates numerous applications of Ecological Informatics for aquatic and terrestrial ecosystems, image recognition at micro- and macro-scale as well as computer hardware design.
Case studies focus on applications of artificial neural networks, evolutionary computation, cellular automata, adaptive agents, fuzzy logic as well as qualitative reasoning.
The 2nd edition of the book includes an index and a CD with novel evolutionary algorithms for the discovery of multiple nonlinear functions and rule sets as well as parameter optimisation in complex ecological data.