Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2014 | OriginalPaper | Buchkapitel

1. Understanding Nature Through the Symbiosis of Information Science, Bioinformatics, and Neuroinformatics

verfasst von : Nikola Kasabov

Erschienen in: Springer Handbook of Bio-/Neuroinformatics

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This chapter presents some background information, methods, and techniques of information science, bio- and neuroinformatics in their symbiosis. It explains the rationale, motivation, and structure of the Handbook that reflects on this symbiosis. For this chapter, some text and figures from [1.1] have been used. As the introductory chapter, it gives a brief overview of the topics covered in this Springer Handbook of Bio-/Neuroinformatics with emphasis on the symbiosis of the three areas of science concerned: information science (informatics) (IS), bioinformatics (BI), and neuroinformatics (NI). The topics presented and included in this Handbook provide a far from exhaustive coverage of these three areas, but they clearly show that we can better understand nature only if we utilize the methods of IS, BI, and NI, considering their integration and interaction.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Information Processing at the Cellular Level: Beyond the Dogma
Literatur
1.1.
N. Kasabov: Evolving Connectionist Systems: The Knowledge Engineering Approach (Springer, London 2007)MATH
1.2.
R.P. Feynman, R.B. Leighton, M. Sands: The Feynman Lectures on Physics (Addison-Wesley, Redding 1965)MATH
1.3.
R. Penrose: The Emperorʼs New Mind (Oxford Univ. Press, Oxford 1989)
1.4.
R. Penrose: Shadows of the Mind. A Search for the Missing Science of Consciousness (Oxford Univ. Press, Oxford 1994)MATH
1.5.
C.P. Williams, S.H. Clearwater: Explorations in Quantum Computing (Springer, Berlin 1998)MATH
1.6.
M. Brooks: Quantum Computing and Communications (Springer, Berlin, Heidelberg 1999)CrossRefMATH
1.7.
D.S. Dimitrov, I.A. Sidorov, N. Kasabov: Computational biology. In: Handbook of Theoretical and Computational Nanotechnology, Vol. 1, ed. by M. Rieth, W. Sommers (American Scientific Publisher, New York 2004), Chap. 21
1.8.
N. Kasabov, L. Benuskova: Computational neurogenetics, Int. J. Theor. Comput. Nanosci. 1(1), 47–61 (2004)CrossRef
1.9.
F. Rosenblatt: Principles of Neurodynamics (Spartan Books, New York 1962)MATH
1.10.
1.11.
M. Arbib (Ed.): The Handbook of Brain Theory and Neural Networks (MIT, Cambridge 2003)MATH
1.12.
H. Chin, S. Moldin (Eds.): Methods in Genomic Neuroscience (CRC, Boca Raton 2001)
1.13.
J.J. Hopfield: Neural networks and physical systems with emergent collective computational abilities, Proc. Natl. Acad. Sci. USA 79, 2554–2558 (1982)MathSciNetCrossRef
1.14.
1.15.
L.R. Rabiner: A tutorial on hidden Markov models and selected applications in speech recognition, Proc. IEEE 77(2), 257–285 (1989)CrossRef
1.16.
S. Grossberg: On learning and energy – Entropy dependence in recurrent and nonrecurrent signed networks, J. Stat. Phys. 1, 319–350 (1969)MathSciNetCrossRef
1.17.
D.E. Rumelhart, G.E. Hinton, R.J. Williams (Eds.): Learning internal representations by error propagation. In: Parallel Distributed Processing: Explorations in the Microstructure of Cognition (MIT/Bradford, Cambridge 1986)
1.18.
1.19.
S. Haykin: Neural Networks – A Comprehensive Foundation (Prentice Hall, Engelwood Cliffs, 1994)MATH
1.20.
C. Bishop: Neural Networks for Pattern Recognition (Oxford Univ. Press, Oxford 1995)MATH
1.21.
N. Kasabov: Foundations of Neural Networks, Fuzzy Systems and Knowledge Engineering (MIT, Cambridge 1996)MATH
1.22.
S. Amari, N. Kasabov: Brain-like Computing and Intelligent Information Systems (Springer, New York 1998)MATH
1.23.
D. Hebb: The Organization of Behavior (Wiley, New York 1949)
1.24.
X. Yao: Evolutionary artificial neural networks, Int. J. Neural Syst. 4(3), 203–222 (1993)CrossRef
1.25.
D.B. Fogel: Evolutionary Computation – Toward a New Philosophy of Machine Intelligence (IEEE, New York 1995)MATH
1.26.
V. Vapnik: Statistical Learning Theory (Wiley, New York 1998)MATH
1.27.
1.28.
T. Yamakawa, H. Kusanagi, E. Uchino, T. Miki: A new effective algorithm for neo fuzzy neuron model, Proc. Fifth IFSA World Congress (IFSA, 1993) pp. 1017–1020
1.29.
N. Kasabov: Global, local and personalized modeling and profile discovery in Bioinformatics: An integrated approach, Pattern Recognit. Lett. 28(6), 673–685 (2007)CrossRef
1.30.
M. Watts: A decade of Kasabovʼs evolving connectionist systems: A review, IEEE Trans. Syst. Man Cybern. C 39(3), 253–269 (2009)CrossRef
1.31.
Q. Song, N. Kasabov: TWNFI – Transductive neural-fuzzy inference system with weighted data normalization and its application in medicine, IEEE Trans. Fuzzy Syst. 19(10), 1591–1596 (2006)MATH
1.32.
L. Benuskova, N. Kasabov: Computational Neuro-Genetic Modeling (Springer, New York 2007)CrossRef
1.33.
1.34.
A.L. Hodgkin, A.F. Huxley: A quantitative description of membrane current and its application to conduction and excitation in nerve, J. Physiol. 117, 500–544 (1952)CrossRef
1.35.
W. McCullock, W. Pitts: A logical calculus of the ideas immanent in nervous activity, Bull. Math. Biophys. 5, 115–133 (1943)MathSciNetCrossRefMATH
1.36.
W. Gerstner: Time structure of the activity of neural network models, Phys. Rev. 51, 738–758 (1995)
1.37.
1.38.
N. Kasabov, L. Benuskova, S. Wysoski: A Computational Neurogenetic Model of a Spiking Neuron, IJCNN 2005 Conf. Proc., Vol. 1 (IEEE, New York 2005) pp. 446–451
1.39.
N. Kasabov, R. Schliebs, H. Kojima: Probabilistic computational neurogenetic framework: From modeling cognitive systems to Alzheimerʼs disease, IEEE Trans. Auton. Ment. Dev. 3(4), 1–12 (2011)CrossRef
1.40.
N. Kasabov: To spike or not to spike: A probabilistic spiking neuron model, Neural Netw. 23(1), 16–19 (2010)CrossRef
1.41.
G. Kistler, W. Gerstner: Spiking Neuron Models – Single Neurons, Populations, Plasticity (Cambridge Univ. Press, Cambridge 2002)MATH
1.42.
W. Maass, C.M. Bishop (Eds.): Pulsed Neural Networks (MIT, Cambridge 1999)MATH
1.43.
S. Thorpe, A. Delorme, R. Van Rullen: Spike-based strategies for rapid processing, Neural Netw. 14(6/7), 715–725 (2001)CrossRef
1.44.
S. Wysoski, L. Benuskova, N. Kasabov: Evolving spiking neural networks for audiovisual information processing, Neural Netw. 23(7), 819–835 (2010)CrossRef
1.45.
S. Guen, S. Rotter (Eds.): Analysis of Parallel Spike Trains (Springer, New York 2010)
1.46.
E. Rolls, A. Treves: Neural Networks and Brain Function (Oxford Univ. Press, Oxford 1998)
1.47.
J.G. Taylor: The Race for Consciousness (MIT, Cambridge 1999)
1.48.
R. Koetter (Ed.): Neuroscience Databases: A Practical Guide (Springer, Berlin, Heidelberg 2003)
1.49.
D. Tan, A. Nijholt (Eds.): Brain-Computer Interfaces (Springer, London 2010)
Metadaten
Titel
Understanding Nature Through the Symbiosis of Information Science, Bioinformatics, and Neuroinformatics
verfasst von
Nikola Kasabov
Copyright-Jahr
2014
Buch
Springer Handbook of Bio-/Neuroinformatics

Print ISBN: 978-3-642-30573-3

Electronic ISBN: 978-3-642-30574-0

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-642-30574-0_1