软计算(SC)获得不精确的解决方案努力计算任务,比如np完全问题,而没有已知的算法,可以在多项式时间内得到一个确切的解决方案。

软计算有别于传统硬计算(HC)在不精确,SC是宽容的,不确定性,部分真理,和近似。

最近,SC吸引了研究者的密切关注和解决问题也已成功应用在生物信息学和生物医学。然而,从生物实验和应用的信息涉及大规模高通量技术现在正迅速增加。因此,可伸缩的能力在一系列大规模问题成为现代软计算方法的基本需求。

这个特别会议的范围涵盖了开发生物信息学和生物医学的计算模型和算法。潜在的主题包括,但不限于:

• 芯片和基因表达分析
• 基因调控和本体网络
• 蛋白质和RNA结构预测
• 大的生物数据集的分析
• 数据集成和融合
• 分类和聚类
• 特征选择
• 信号处理
• 放射学和成像
• 文本挖掘在分子生物学
• 基因调控和转录组
• 分子对接和药物设计
• 代谢途径分析
• 图像分析的生物信息学
• 计算蛋白质组学

此外,包含新见解和发现这个领域的贡献是受欢迎的。方法来解决上述问题应包括软计算方法如神经网络、支持向量机、模糊逻辑、进化计算、群体智慧,混沌理论、感知器。

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/tswj/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/submit/journals/tswj/computer.science/etso/根据以下时间表: