What is the translation of " GENETIC ALGORITHMS " in Korean?

• 유전 알고리즘
• genetic algorithms
• 유전자 알고리즘

Examples of using Genetic algorithms in English and their translations into Korean

Genetic algorithms.
유전 알고리즘.

Why Use Genetic Algorithms?
왜 유전 알고리즘을 사용하는가?

Genetic algorithms.
유전자 알고리즘.

Traveling Salesman Problem(Genetic Algorithms).
(Traveling Salesman Problem), 유전 알고리즘Genetic….

Genetic algorithms.
유전자 알고리듬.

Fifth International Conference on Genetic Algorithms.
년 제 1회 International Conference on Genetic Algorithms 개최.

Genetic Algorithms?
유전 알고리즘이란?

Mitchell M(1998) An introduction to genetic algorithms.
멜라니 미첼 (1998). 《An Introduction to Genetic Algorithms》.

Genetic algorithms(GA).
유전적 알고리즘 (GA).

What are good examples of genetic algorithms/genetic programming solutions?
유전 알고리즘 / 유전 프로그래밍 솔루션의 좋은 예는 무엇입니까?

Genetic algorithms and timetabling.
유전 알고리즘, 시간표 작성관련.

Bremermann's research also included the elements of modern genetic algorithms.
Bremermann의 연구는 또한 현대 유전 알고리즘의 요소를 포함했습니다.

Genetic Algorithms: Evolving the Perfect Troll.
유전 알고리즘: 완벽한 트롤로의 진화.

Proceedings of the 6th International Conference on Genetic Algorithms, 1995.
년 제 1회 International Conference on Genetic Algorithms 개최.

In machine learning, genetic algorithms were used in the 1980s and 1990s.
기계 학습에서 유전 알고리즘은 1980 년대와 1990 년대에 사용되었습니다.

Of course, inexpensive microprocessors and a very important breakthrough-- genetic algorithms.
물론 저렴한 CPU와 또 하나의 중요한 돌파구인 유전 알고리즘이 있습니다.

In machine learning, genetic algorithms found some uses in the 1980s and 1990s.
기계 학습에서 유전 알고리즘은 1980 년대와 1990 년대에 사용되었습니다.

Spare Part Optimization of MIME Systems using Simulation and Genetic Algorithms under Availability.
가용도 제약하에 MIME 시스템에서 유전알고리즘과 시뮬레이션을 이용한 수리부속 최적화.

Genetic algorithms are simple to implement, but their behavior is difficult to understand.
유전 알고리즘은 구현하기 가 간단하지만, 그들의 행동은 이해하기 어렵다.

Smalltalk has been used extensively for simulations, neural networks, machine learning and genetic algorithms.
스몰토크는 시뮬레이션, 신경망, 기계 학습, 유전자 알고리즘을 위해 널리 사용되고 있다.

In Nature-Inspired Methods in Chemometrics: Genetic Algorithms and Neural Networks.
우리의긍정적 유명한부족하지 않의광고, 은 당신이 실제로연구책 Nature-inspired methods in chemometrics: genetic algorithms and artificial neural networks.

The notion of real-valued genetic algorithms has been offered but is really a misnomer because it does not really represent the building block theory that was proposed by John Henry Holland in the 1970s.
실제 가치 있는 유전 알고리즘의 개념은 제공되었지만 1970년대에 존 헨리 홀런드가 제안한 빌딩 블록 이론을 실제로 나타내지 않기 때문에 실제로 는 오해의 소지가 있습니다.

In Nature-Inspired Methods in Chemometrics: Genetic Algorithms and Neural Networks.
정 피곤와 관련검색온라인정확하게다운로드 전자 Nature-inspired methods in chemometrics: genetic algorithms and artificial neural networks, Volume 23,가필요니다.

Minsky believed that the answer is that the central problems, like commonsense reasoning, were being neglected, while most researchers pursued things like commercial applications of neural nets or genetic algorithms.
대부분의 연구자들이 신경망이나 유전자 알고리즘의 상업적 용도의 프로그램을 추구 했던 반면, Minsky는 해답이 방치된 상식 추론과 같이 매우 중심적인 문제에 있다고 믿었다.

DNA machines during this time, we run unknown genetic algorithms, which we mistake for our aspirations and achievements, or stresses and frustrations.
이 시간 동안 DNA 기계, 우리는 알 수없는 유전자 알고리즘을 실행, 우리는 우리의 열망과 업적 착각하는, 또는 스트레스와 좌절.

Now, in a group with so many IT people, I do have to mention what I'm not going to talk about, and that is that your field is one that has learned an enormous amount from living things, on the software side. So there's computers that protect themselves, like an immune system, and we're learning from gene regulation and biological development. And we're learning from neural nets, genetic algorithms, evolutionary computing.
자, IT 분야에 종사하는 분이 많은 그룹에서 저는 제가 언급하지 않을 것에 대해서 말해야 할거구요, IT의 소프트웨어 분야는 상당 부분을 생물체로 배웠다는 것을 말해야 합니다. 마치 면역 시스템처럼 스스로를 방어하는 컴퓨터가 있습니다, 그리고 우리는 유전자 규칙과 생물학적 발전으로부터 배웁니다 또한 우리는 신경망과 유전 알고리즘과 진화적인 컴퓨팅으로부터도 배우죠.

American fuzzy lop is a fuzzer that employs genetic algorithms in order to efficiently increase code coverage of the test cases.
AFL(American Fuzzy Lop)은 테스트 케이스의 코드 적용 범위(Code coverage)를 효율적으로 늘리기 위해 유전자 알고리즘(Genetic algorithm)을 사용하는 fuzzer입니다.

The character they created, HAL 9000, was based on a belief shared by many leading AI researchers that such a machine would exist by the year 2001.[164] In 2001, AI founder Marvin Minsky asked'So the question is why didn't we get HAL in 2001?'[165] Minsky believed that the answer is that the central problems, like commonsense reasoning, were being neglected, while most researchers pursued things like commercial applications of neural nets or genetic algorithms.
그들이 만든 HAL 9000이라는 캐릭터는 2001년에 이러한 기계가 존재할 거라고 믿는 많은 AI 연구자들의 공유된 믿음을 기반으로 만들어졌다. [136] Marvin Minsky는 “그래서 왜 우린 2001년에 HAL을 얻지 못했나? ”라는 질문을 하였다. [137] 대부분의 연구자들이 신경망이나 유전자 알고리즘의 상업적 용도의 프로그램을 추구 했던 반면, Minsky는 해답이 방치된 상식 추론과 같이 매우 중심적인 문제에 있다고 믿었다.

DNA machines during this time, we run unknown genetic algorithms, which we mistake for our aspirations and achievements, or stresses and frustrations. Relax! Don't worry, be happy!
이 시간 동안 DNA 기계, 우리는 알 수없는 유전자 알고리즘을 실행, 우리는 우리의 열망과 업적 착각하는, 또는 스트레스와 좌절. 휴식! 걱정하지 마세요, 행복!

Other tasks, however, are much easier to parallelize; projects like SETI@home, folding@home and genetic algorithms can easily be implemented on top of such a platform.
하지만 그 외 작업들은 보다 수월하게 병렬진행이 가능하다; SETI@home, folding@home, 유전자 알고리즘 같은 경우는 분산화된 클라우드 컴퓨팅 플랫폼에서 쉽게 작업할 수 있는 프로젝트들이다.