e刊通

进化系统包括动态进化系统领域的调查、方法和面向应用的论文。“进化的系统” 是在动态变化和进化的环境中系统模型进化的思想所启发的。与机器学习、数学建模和相关学科的标准方法不同,在这些学科中,模型结构被预先假定和固定,问题集中在参数优化上。进化的系统允许模型结构逐渐改变/进化。这种持续或终身学习和领域适应的目的是自我组织。它可以适应新的数据模式,更适合流数据,传输学习,可以从未知和不可预测的数据模式中识别和学习。这些特性对于自主的机器人系统至关重要,这些机器人系统在设计后 (在运行时) 继续学习和适应。不断发展的系统征求出版物,这些出版物涉及非平稳系统建模、聚类、分类、预测和控制的各个方面的问题。不可预测的环境,并描述其设计的新方法和途径。该期刊致力于自我发展、自我组织和进化系统的整体主题-从系统方法到案例研究和实际工业应用。它涵盖了方法论的所有方面,如进化系统方法论进化神经网络和神经模糊系统进化分类器和聚类进化控制器和预测模型进化可解释的AI系统进化系统应用范例和应用,包括医学、机器人、商业、工业自动化、控制系统、交通、通讯、环境监测、生物医学系统、安全和电子服务、金融和经济学。所有提交的方法和系统的共同特点是系统和环境的演变性质。该期刊包括以下方面的贡献: 1) 机器学习、人工智能、计算智能和数学建模的方法; 2) 自然和生物学的灵感,包括神经科学、生物信息学和分子生物学。量子物理学3)工程、商业、社会科学的应用。

投稿经验

发布我的投稿经验

总体评价：

发布

相关期刊