"Soft Computing" gewinnt zunehmend an Bedeutung. Dahinter verbergen sich Methoden wie Neuronale Netze, Fuzzy-Logik, Maschinelles Lernen, evolutionäre und naturanaloge Algorithmen. Das Gemeinsame dieser Verfahren ist ihr Potenzial im Umgang mit komplexen und vage formulierten Datenmengen. Daher eignen sie sich ideal für Anwendungen in der Bioinformatik, die hier vorgestellt werden: Sequenzanalyse, Strukturvorhersage, Genexpressionsanalyse, Systembiologie und Moleküldesign. Leser erhalten anhand der formal ausgearbeiteten Darstellung einen fundierten Überblick über das Gesamtgebiet. Zudem enthält der Anhang eine nützliche Einführung in das Programmpaket "Matlab". Das Buch empfiehlt sich an alle interessierten Leser, die mit den Grundlagen der Mathematik und Informatik vertraut sind. Insbesondere Studenten und Dozenten profitieren von den über 30 Kapiteln.

Inhalt
Grundlagen der Datenanalyse Bioinformatik.- Übersicht und Einordnung.- Neuronale Netze: Grundlagen.- Backpropagation.- Backpropagation-Netze in der Bioinformatik.- RBF-Netze und Varianten.- Regelgenerierung aus RBF-Netzen.- RBF-Netze in der Bioinformatik.- Kohonen-Netze und Varianten.- Regelgenerierung mit Kohonen-Netzen.- Kohonen-Netze in der Bioinformatik.- Fuzzy-Mengenlehre.- Das Extensionsprinzip und Fuzzy-Zahlen.- Fuzzy-Datenanalyse.- Fuzzy-Logik.- Fuzzy-Systeme.- Neuro-Fuzzy-Systeme.- Fuzzy-Technologie in der Bioinformatik.- Maschinelles Lernen im Rahmen der KI und der Logik.- Entscheidungsbäume.- Assoziationsregeln.- Ausblick auf Zeitreihen.- Generalisierungsregeln.- Weitere Verfahren des Maschinellen Lernens.- Maschinelles Lernen in der Bioinformatik.- Überblick Optimierung, Genetik, Evolution.- Evolutionäre Strategien.- Genetische Algorithmen.- Genetisches Programmieren.- Formale Aspekte evolutionärer Strategien.- Evolutionäre Strategien in der Bioinformatik.- Evolutionäre Strategien in Fuzzy-Systemen.- Naturanaloge Algorithmen Überblick.- Ameisen und Ameisenkoloniealgorithmen.- Ausblick.