Nell'ambito del World Congress in Computational Intelligence 2016, organizzato da IEEE, vi invito a sottomettere un paper (max 8 pagine) a una Cross-Disciplinary Special Session di cui sono tra gli organizzatori.
Aims: Research problems in Bioinformatics, Computational Biology and Systems Biology deal with systems at different scales of complexity and granularity (from the inference of single molecular structure to the emergent behavior of genome-wide networks), each one requiring completely different computational methods. Computational intelligence is frequently exploited to devise efficient heuristics solving problems in these disciplines; however, these approaches can be computationally challenging, limiting their applicability to real-world problems. The scope of this special session is to bring together researchers involved in the development of computational intelligence methods applied to Bioinformatics, Computational Biology and Systems Biology, specifically accelerated either by means of conventional architectures (e.g., computer clusters, GRID computing) or by unconventional technologies (e.g., Graphics Processing Units, Many Integrated Core coprocessors, biomimetic devices).
Informazioni:
Deadline: 15 gennaio 2016 Location: Vancouver (Canada) Congress dates: 25-29 luglio 2016 CFP
Sono post-doc in Italia (UNIMIB). Faccio ricerca con le tecniche della special session in ambito Systems e Synthetic Biology (infatti sarò visiting in questo secondo ambito alla Tokyo University nei prossimi 45 giorni)
Pare che Vancouver sia molto soleggiata, con temperature fino ai 30°, in estate.
Dinamiche delle popolazioni? Immagino i tuoi sistemi avranno delle rate constants o roba del genere... magari ti serve stimarli/fittarli contro i dati sperimentali e...
Stimare rate costants e' uno dei ns problemi fondamentali. Essenzialmente, nel lab facciamo misure di concentrazioni al variare del tempo e poi cerchiamo di plottare le quantita' tipiche dei sistemi dinamici, quali: "punti fissi", "attrattori", "selle", "nullclines", etc. etc. Infine, cerchiamo di ricostruire le biforcazioni del sistema usando dati + modello.
stimare i parametri è tra le attività che facciamo nel nostro gruppo.
in generale, visto che questi sistemi sono non-lineari, multi-modali, rumorosi, raramente analitici ecc. usiamo meta-euristiche di ottimizzazione globale stocastiche e bio-ispirate (principalmente swarm intelligence e algoritmi evolutivi).
algoritmi generalmente bio-ispirati in grado di risolvere problemi complessi. ad esempio, computazione evolutiva, swarm inteligence, fuzzy logic, reti neurali, ecc.
Beh, la ricerca operativa fa ottimizzazione vincolata, e di solito con funzioni obiettivo e vincoli lineari In quelle situazioni è decisamente meglio un bel simplesso, che ti da soluzioni esatte in modo efficiente.
