Skip to main content
main-content

Über dieses Buch

Reaction-diffusion and excitable media are amongst most intriguing substrates. Despite apparent simplicity of the physical processes involved the media exhibit a wide range of amazing patterns: from target and spiral waves to travelling localisations and stationary breathing patterns. These media are at the heart of most natural processes, including morphogenesis of living beings, geological formations, nervous and muscular activity, and socio-economic developments.

This book explores a minimalist paradigm of studying reaction-diffusion and excitable media using locally-connected networks of finite-state machines: cellular automata and automata on proximity graphs. Cellular automata are marvellous objects per se because they show us how to generate and manage complexity using very simple rules of dynamical transitions. When combined with the reaction-diffusion paradigm the cellular automata become an essential user-friendly tool for modelling natural systems and designing future and emergent computing architectures.

The book brings together hot topics of non-linear sciences, complexity, and future and emergent computing. It shows how to discover propagating localisation and perform computation with them in very simple two-dimensional automaton models. Paradigms, models and implementations presented in the book strengthen the theoretical foundations in the area for future and emergent computing and lay key stones towards physical embodied information processing systems.

Inhaltsverzeichnis

Frontmatter

2013 | OriginalPaper | Buchkapitel

Introduction

Andrew Adamatzky

Phenomenology and Localisations

Frontmatter

2013 | OriginalPaper | Buchkapitel

Reaction-Diffusion Binary-State Automata

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Retained Excitation

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Mutualistic Excitation

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Dynamical Excitation Intervals: Diversity and Localisations

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Excitable Delaunay Triangulations

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Excitable β-Skeletons

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Evolving Localizations in Reaction-Diffusion Automata

Andrew Adamatzky

Population Dynamics

Frontmatter

2013 | OriginalPaper | Buchkapitel

Population Dynamics in Automata

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Automaton Mechanics of Mutualism

Andrew Adamatzky

Computation with Excitation

Frontmatter

2013 | OriginalPaper | Buchkapitel

Voronoi Automata

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Adders and Multipliers in Sub-excitable Automata

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Computing in Hexagonal Reaction-Diffusion Automaton

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Semi-memristive Automata: Retained Refractoriness

Andrew Adamatzky

2013 | OriginalPaper | Buchkapitel

Structural Dynamics: Memristive Excitable Automata

Andrew Adamatzky

Backmatter

Weitere Informationen

Premium Partner

in-adhesivesMKVSNeuer Inhalt

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie

Maschinelles Lernen ist die Schlüsseltechnologie für intelligente Systeme. Besonders erfolgreich ist in den letzten Jahren das Lernen tiefer Modelle aus großen Datenmengen – „Deep Learning“. Mit dem Internet der Dinge rollt die nächste, noch größere Datenwelle auf uns zu. Hier bietet die Künstliche Intelligenz besondere Chancen für die deutsche Industrie, wenn sie schnell genug in die Digitalisierung einsteigt.
Jetzt gratis downloaden!

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

Bildnachweise