Metodyka Soft Computing dla analizy klastrowej i przewidywania genów

Soft computing zajmuje si¿ nieprecyzyjno¿ci¿, niepewno¿ci¿, cz¿¿ciow¿ prawd¿ i przybli¿eniem w celu osi¿gni¿cia ci¿gliwo¿ci, solidno¿ci i niskiego kosztu rozwi¿zania. Soft computing obejmuje szeroki zakres obszarów zastosowä, w tym optymalizacj¿, analiz¿ danych i eksploracj¿ danych, grafik¿ komputerow¿ i wizj¿, przewidywanie i diagnoz¿, projektowanie, inteligentne sterowanie oraz systemy ruchu i transportu. Bioinformatyka to zastosowanie technologii komputerowej do zarz¿dzania i manipulowania informacj¿ biologiczn¿. Soft computing oferuje obiecuj¿ce podej¿cie do osi¿gni¿cia wydajnego i niezawodnego heurystycznego rozwi¿zania dla obszarów problemowych bioinformatyki, takich jak tworzenie klastrów, rozpoznawanie wzorów i przewidywanie zwi¿zanych z nimi dziedzin. W tej ksi¿¿ce omówiono metodologie soft computing dla analizy klastrowej danych mikromacierzy z wykorzystaniem map samoorganizacyjnych Kohonena oraz przewidywania genów z wykorzystaniem sieci wstecznej propagacji i sieci wektora ucz¿cego si¿ kwantyzacji.