2025-02-22T10:42:27-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: Query fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22journaliasakpiua-article-101845%22&qt=morelikethis&rows=5
2025-02-22T10:42:27-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: => GET http://localhost:8983/solr/biblio/select?fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22journaliasakpiua-article-101845%22&qt=morelikethis&rows=5
2025-02-22T10:42:27-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: <= 200 OK
2025-02-22T10:42:27-05:00 DEBUG: Deserialized SOLR response
Багатофакторний конвергенційно-націлений оператор для генетичного алгоритму

Багатофакторний конвергенційно-націлений оператор для генетичного алгоритму

Optimization of complex particle transport simulation packages could be managed using genetic algorithms as a tuning instrument for learning statistics and behavior of multi-objective optimisation functions. Combination of genetic algorithm and unsupervised machine learning could significantly incre...

Full description

Saved in:
Bibliographic Details
Main Authors: Shadura, Oksana, Petrenko, Anatoly I., Svistunov, Sergiy Ya.
Format: Article
Language:English
Published: The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2017
Subjects:
machine learning
genetic algorithm
Pareto Front
principle component analysis
transport particle simulations
машинное обучение
генетический алгоритм
Парето фронт
анализ главных компонентов
моделирования транспорта частиц
машинне навчання
генетичний алгоритм
аналіз основних компонентів
моделювання транспорту частинок
Online Access:http://journal.iasa.kpi.ua/article/view/101845
Tags: Add Tag
No Tags, Be the first to tag this record!

Internet

http://journal.iasa.kpi.ua/article/view/101845

Similar Items