Chargement...
 

Other

Domaine
Other
Domain - extra
Evolution of Artificial Gene Regulatory Networks
Année
2010
Starting
octobre 2010
État
Open
Sujet
Evolution de réseaux de régulation génétiques artificiels
Thesis advisor
SCHOENAUER Marc
Co-advisors
Bredèche Nicolas
Laboratory
Collaborations
Abstract
Quelle que soit l'application visée, l'évolution d'artificial genetic regulatory networks (AGRN) a pour l'instant été réalisée sur le 'génôme' développé. Or les génômes biologiques sont souvent le résultat de processus de duplication-mutation à partir d'un petit segment d'ADN. Le but de la thèse est de tester l'évolution de séquences de transformations dont le résultat serait évalué sur un problème de type renforcement ou de conception de structure. Un des points cruciaux ici est bien entendu la définition d'un langage de description de telles séquences de transformations. De la description in extenso de séquences précises à la spécification via des grammaires ou des arbres d'opérateurs, plusieurs pistes pourront être explorées.
Context
1 W. Banzhaf. Artificial regulatory networks and genetic programming (external link). In Rick Riolo and Bill Worzel, editors, Genetic Programming Theory and Practice, chapter 4, pp 43-62. Kluwer Publishers, 2003.

2 P. Dürr, C. Mattiussi, and D. Floreano. Neuroevolution with Analog Genetic Encoding. In Th. Runarsson et al., editor, PPSN IX, pp 671-680. LNCS 4193, Springer Verlag, 2006.

3 Nicolau, M. and Schoenauer, M.. On the Evolution of Scale-Free Topologies with a Gene Regulatory Network Model (external link). BioSystems Journal, 98(3) pp 137-148, 2009.

4 Nicolau, M. , Schoenauer, M. and Banzhaf, W.. Evolving Genes to Balance a Pole. In A. I. Esparcia and A. Eckart, eds., 13th European Conference on Genetic Programming, Springer Verlag, 2010. To appear.

5 H. Jaeger. The Echo State Approach to Analysing and Training Recurrent Neural Networks. Technical Report GMD Report 148, German National Research Center for Information Technology, 2001.

Objectives
Plusieurs objectifs sont visés au cours de la thèse:
1- Evolution de AGRNs: opérateurs et représentation.
2- AGRNs et mémoire dans le cadre de tache robotique nécessitant la conservation d'information sur une echelle de temps plus ou moins grande.
3- utilisation des AGRNS dans le cadre du reservoir computing, pour générer des topologies adéquates de réseaux de neurones type Echo State.
Work program
Extra information
Prerequisite
  • Une connaissance préalable des réseaux de neurones et/ou de l'évolution artificielle est recommandée, sans être absolument nécessaire.
  • Un goût certain pour la programmation en C++ est indispensable. Une connaissance de la programmation parallèle est un plus.
Détails
Expected funding
Institutional funding
Status of funding
Expected
Candidates
Utilisateur
Marc.Schoenauer
Créé
Vendredi 26 février 2010 17:03:28 CET
dernière modif.
Mardi 15 mars 2011 21:02:36 CET

Fichiers joints

 filenamecrééhitsfilesize 
Aucun fichier joint à cette fiche


Ecole Doctorale Informatique Paris-Sud


Directrice
Nicole Bidoit
Assistante
Stéphanie Druetta
Conseiller aux thèses
Dominique Gouyou-Beauchamps

ED 427 - Université Paris-Sud
UFR Sciences Orsay
Bat 650 - aile nord - 417
Tel : 01 69 15 63 19
Fax : 01 69 15 63 87
courriel: ed-info à lri.fr