Qu’ont en commun la prédiction des données financières, l’élaboration de règles de day trading et la sélection de biomarqueurs ? Ce ne sont là que quelques-unes des tâches qui pourraient potentiellement être résolues avec des techniques de programmation génétique et d’apprentissage automatique. Rédigé par des leaders dans ce domaine, Applied Genetic Programming and Machine Learning définit l’extension de la programmation génétique (GP) pour des applications pratiques. Reflétant des concepts en développement rapide et des paradigmes émergents, ce livre décrit comment utiliser les techniques d’apprentissage automatique, créer des opérateurs d’apprentissage qui échantillonnent efficacement un espace de recherche, naviguer dans le processus de recherche en concevant des fonctions de fitness objectives et examiner les performances de recherche du système évolutif. Il fournit une méthodologie pour intégrer les techniques de GP et d’apprentissage automatique, établissant un cadre évolutif robuste pour aborder des tâches dans des domaines tels que la prédiction de séries chronologiques chaotiques, l’identification de systèmes, les prévisions financières, la classification et l’exploration de données. Le livre fournit un point de départ pour la recherche de cadres GP étendus avec l’intégration de plusieurs schémas d’apprentissage automatique. S’appuyant sur des études empiriques tirées de domaines tels que l’identification de systèmes, l’ingénierie financière et la bio-informatique, elle démontre comment la méthodologie proposée peut être utile dans la résolution pratique de problèmes inductifs. . Langue : Anglais