James A. Reggia

Original: http://www.cs.umd.edu/~reggia/

Wydział Informatyki
University of Maryland
A.V. Williams Bldg.
College Park, MD 20742
E-mail: reggia AT cs.umd.edu
Telefon: 1 301 405 2686
Faks: 1 301 405 6707

Aktualne pozycje:

Zainteresowania badawcze

Nasza grupa badawcza koncentruje się na nauce i zrozumieniu 1) podstawowe zasady obliczania biologicznego i jak zasady te mogą być przyjęte lub zmodyfikowane w celu rozszerzenia współczesnych metod informatyki i 2) zautomatyzowany rozumowania przyczynowego, takich jak abductive wnioskowania i sieci / przekonań Bayesa.

Kilka właściwości biologicznie inspirowane computing oddzielenia go od bardziej tradycyjnych informatyki, dając nadzieję, że nowe metody wytrzymałe i adaptacyjne oprogramowania mogą być rozwijane. Przykłady tego typu obliczeń obejmują obliczenia neuronowe, obliczenia ewolucyjne, sztuczne życie, maszyny samoreplikujący, sztuczne systemy immunologiczne, optymalizacji kolonii mrówek, L-Systems, sztucznych społeczeństw, inteligencji roju. Nasza grupa pracowała i / lub działa w następujących obszarach:

  • obliczeń neuronowych
  • wieloagentowe Systemy sztuczne życie
  • obliczenia ewolucyjne
  • modele automatów komórkowych z samoreplikacji

Jesteśmy również skupienie się na zautomatyzowanym rozumowania przyczynowego przy użyciu bardziej tradycyjnych metod sztucznej inteligencji. Celem tych badań jest modelowanie ludzkiego poznania jako źródła wytwarzania użytecznych zautomatyzowane systemy rozumowania. Nasza grupa pracowała i / lub działa w następujących obszarach:

  • nabycie wiedzy
  • rozumowanie abdukcyjne
  • klasyfikacja i sieci Bayesa
  • parsimonious teorię obejmującą

Mamy aktywny harmonogram seminarium, który jest otwarty dla zainteresowanych osób, a ostatnia grupa badawcza GEMSTONE pracuje nad licencjackich systemów programowania genetycznego i multi-agent. Kilka prostych Demonstracja ilustrują symulowaną samoskładających budynek, neuronowych model rozszerzająca się depresja korowa, a kolekcję automatów komórkowych samopowielających struktur, które zostały odkryte za pomocą programowania genetycznego i modelu komórkowym automatów z samoreplikujący “maszyn” renderowany w szachy sztuk.

Nadchodzące / Ostatnio wykładałem
CMSC 289I: Bunt Maszyn – jesień 2015
CMSC 421: Wprowadzenie do sztucznej inteligencji – Wiosna 2015
CMSC 422: Wprowadzenie do uczenia maszynowego – Wiosna 2012
CMSC 726: Machine Learning
CMSC 727: Neural Obliczenia – Wiosna 2013
CMSC 828K / 498G: Artificial Life & obliczeń ewolucyjnych – Wiosna 2014

Projekty NSF

Rozwijamy metody samoorganizacji zbiorowej inteligencji adaptacyjnej rozwiązywania problemów w ramach projektu NSF ITR.

Badamy również sposoby poprawy obsługiwane przez komputer kreatywność za pomocą obliczeń ewolucyjnych w ramach projektu NSF CreativeIT.


 

 

Comments are closed.