Examples of using Genetic algorithm in English and their translations into Korean
{-}
-
Colloquial
-
Ecclesiastic
-
Ecclesiastic
-
Programming
-
Computer
Genetic algorithm.
Why Use Genetic Algorithms?
왜 유전 알고리즘을 사용하는가?Genetic algorithm.
유전자 알고리듬.Really made me curious to dive deep into Genetic Algorithm.
정말 유전 알고리즘에 깊은 다이빙을 호기심했다.Genetic algorithms.
유전 알고리즘.The winner is nearly always using the genetic algorithm.
승자는 거의 항상 유전 알고리즘 (모범)을 사용합니다.Genetic algorithm.
유전자 알고리즘”.Crossover is the most significant phase in a genetic algorithm.
크로스오버는 유전 알고리즘유전 예제 알고리즘에서 가장 중요한 단계이다.Genetic algorithms.
유전자 알고리즘.We can now start the“evolution” step of our genetic algorithm.
우리는 지금 우리의 유전 알고리즘 “WEB “진화”단계를 시작할 수 있습니다.Genetic algorithms.
유전자 알고리듬.The winner is nearly always using the genetic algorithm.
승자는 거의 항상 Genetic Algorithms?
유전 알고리즘이란?What are good examples of genetic algorithms/genetic programming solutions?
유전 알고리즘 / Genetic algorithm.
Genetic Algorithm(유전 알고리즘).Bremermann's research also included the elements of modern genetic algorithms.
Bremermann의 연구는 또한 현대 유전 알고리즘의 요소를 포함했습니다.Genetic algorithms and timetabling.
유전 알고리즘, 시간표 작성관련.Of course, inexpensive microprocessors and a very important breakthrough-- genetic algorithms.
물론 저렴한 CPU와 또 하나의 중요한 돌파구인 유전 알고리즘이 있습니다.The Genetic Algorithm, Part II: Selection.
유전 알고리즘의 두 번째 요소: 선택.Now, I suppose you have got some intuition that the concept of a genetic algorithm is somewhat related to biology.
지금, 나는 당신이 유전 알고리즘의 개념이 생물학 예제과 다소 관련이 있다는 직관을 가지고 있다고 가정합니다.Genetic Algorithms: Evolving the Perfect Troll.
유전 알고리즘: 완벽한 트롤로의 진화.To solve this problem using genetic algorithm, our first step would be defining our population.
유전 알고리즘을 사용하여이 문제를 해결하기 위해, 우리의 첫 번째 단계는 우리의 인구를 정의하는 것입니다 본보기.Genetic algorithm has many applications in real world.
유전 알고리즘은 실제 세계에서 많은 응용 프로그램이 있습니다.Optimal life cycle design of water pipe system using Genetic Algorithm.”.
상수관망 최적 생애주기 설계를 위한 유전알고리즘의 적용 (Optimal Life Cycle design of Water Pipe System using Genetic Algorithm).The Genetic Algorithm overcomes these problems.
이러한 문제점을 극복하기 위하여 Genetic Algorithm유전자….Optimal shipyard facility layout planning based on a genetic algorithm and stochastic growth algorithm. .
유전자 알고리즘과 확률론적 증가 함수 기반 조선소 공장 레이아웃 최적화 = Optimal shipyard facility layout planning based on a genetic algorithm and a stochastic growth algorithmlink.Out genetic algorithm can then explore all possible combinations.
아웃 유전 알고리즘은 다음 가능한 모든 조합을 탐구 할 수 있습니다.They created 3D-printed wings that flap mechanically and race against one another, with the winners“breeding” via an evolutionary or genetic algorithm to create ever faster flyers.
여기서 이들은 기계적으로 펄럭이는 3D 프린팅 날개를 만들어 서로 경쟁을 시키고, 더 빠른 비행체를 창출해 내기 위한 진화적 혹은 유전적 알고리듬을 통해 승자들을 ‘육종(breeding)'했다.Then it is said that the genetic algorithm has provided a set of solutions to our problem.
그런 다음 유전 알고리즘이 우리의 문제 (모범)에 대한 해결책 세트를 제공했다고합니다.Here, they created 3D-printed wings that are flapped mechanically and raced against one another, with the winners“breeding” via an evolutionary or genetic algorithm to create ever faster flyers.
여기서 이들은 기계적으로 펄럭이는 3D 프린팅 날개를 만들어 서로 경쟁을 시키고, 더 빠른 비행체를 창출해 내기 위한 진화적 혹은 유전적 알고리듬을 통해 승자들을 ‘육종(breeding)'했다.
