Buchumschlag

Distributed implementation of neuroevolution of augmenting topologies method

Despite the neuroevolution of augmenting topologies method strengths, like the capability to be used in cases where the formula for a cost function and the topology of the neural network are difficult to determine, one of the main problems of such methods is slow convergence towards optimal results,...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2021
Hauptverfasser:	Achour, I.Z., Doroshenko, A.Yu.
Format:	Artikel
Sprache:	Ukrainisch
Veröffentlicht:	PROBLEMS IN PROGRAMMING 2021
Schlagworte:	NEAT neuroevolution of augmenting topologies artificial neural networks reinforcement learning genetic algorithms distributed computing cloud computing UDC 004.272.26 + 004.021 + 004.032.26
Online Zugang:	https://pp.isofts.kiev.ua/index.php/ojs1/article/view/467
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Problems in programming
Завантажити файл:

Institution

Problems in programming

Ähnliche Einträge

Automated generation of programs for a class of parametric neuroevolution algorithms
von: Doroshenko, A.Yu., et al.
Veröffentlicht: (2023)

Novelty search in neuroevolution for end effector positioning
von: Vitiuk, A.Y., et al.
Veröffentlicht: (2023)

Application of coevolution strategy to solve the problem of autonomous navigation trough the maze
von: Omelianenko, Ia.V., et al.
Veröffentlicht: (2024)

Simulation of the autonomous maze navigation using the NEAT algorithm
von: Omelianenko, Ia.V.
Veröffentlicht: (2023)

Application of Petri component nets in the checking task of parallel distributed systems
von: Lukyanova, E.A.
Veröffentlicht: (2025)

Macro-operations extraction out of computation process array sorting data
von: Paulin, O.N., et al.
Veröffentlicht: (2018)

Application of deep learning technology for creating intellectual autonomous machines
von: Bilokon, O.S.
Veröffentlicht: (2020)

Software package for adaptive training of robot controllers based on neural networks
von: Vitiuk, A.Y., et al.
Veröffentlicht: (2023)

Application of neuro evolution tools in automation of technical control systems
von: Doroshenko, А.Yu., et al.
Veröffentlicht: (2021)

Information technology to ensure the survivability of sensor networks
von: Petrivskyi, V.Y., et al.
Veröffentlicht: (2022)

Forecasting electrical energy consumption for 24 hours ahead at country scale
von: Doroshenko, A.Yu., et al.
Veröffentlicht: (2024)

Managing data center resources using heuristic search
von: Zharikov, E.V.
Veröffentlicht: (2018)

A method of two-tier storage management in virtualized data center
von: Zharikov, E.V.
Veröffentlicht: (2019)

Research and development workstation environment: the new class of Current Research Information Systems
von: Palagin, O.V., et al.
Veröffentlicht: (2018)

Cloud service provider selection using reinforcement learning approach and providers’ reputation
von: Myroshnikova, I. Yu., et al.
Veröffentlicht: (2014)

Specialized software for simulating dynamic virtual machine consolidation
von: Zharikov, E.V., et al.
Veröffentlicht: (2022)

Defining of cloud service priority for dynamic creating WAF rules
von: Malinich, I.P., et al.
Veröffentlicht: (2026)

Performance analysis of arithmetic algorithms implemented in C++ and Python programming languages
von: Novokshonov, A.K.
Veröffentlicht: (2018)

Synthesis multilevel structure with multiple output
von: Opanasenko, V.M., et al.
Veröffentlicht: (2018)

Neural networks’ learning process acceleration
von: Katerynych, L., et al.
Veröffentlicht: (2020)

Application of deep reinforced learning for long-term dynamic composition of WEB services
von: Moroz, H.B.
Veröffentlicht: (2025)

Distributed implementation of neuroevolution of augmenting topologies method
von: I. Z. Ashur, et al.
Veröffentlicht: (2021)

Application of deep learning and computer vision frameworks for solving video context prediction problem
von: Voloshyn, D.
Veröffentlicht: (2018)

Ontological similar systems for analysis of texts of natural language
von: Kryvyi, S.L., et al.
Veröffentlicht: (2018)

About using special data structures in coverage algorithms
von: Paulin, O.N., et al.
Veröffentlicht: (2020)

Development of the intelligent control system of an unmanned car
von: Dakhno, N.B., et al.
Veröffentlicht: (2024)

Архітектура електронних навчальних систем
von: Паламарчук, Євген Анатолійович
Veröffentlicht: (2021)

ПРИНЦИПИ ХМАРНИХ ОБЧИСЛЕНЬ ПОТЕНЦІАЛУ В ГАЛУЗІ ПЛАНУВАННЯ
von: Velev, Dimiter Georgiev, et al.
Veröffentlicht: (2010)

Use of ontological knowledge in machine learning methods for intelligent analysis of Big Data
von: Rogushina, J.V.
Veröffentlicht: (2019)

Implementation of the reconstruction process for constructive-synthesizing models of fractal time series
von: Shynkarenko, V.I., et al.
Veröffentlicht: (2026)

Module-based scientific physics engine architecture
von: Bernatovych, A.A., et al.
Veröffentlicht: (2023)

To the issue of optimizing cloud computing based on their cost
von: Doroshenko, А.Yu., et al.
Veröffentlicht: (2021)

Methods for implementing quadrotors autonomy based on hybrid learning methods
von: Ramyk, I.P., et al.
Veröffentlicht: (2026)

Research of software solutions for forecasting electricity generation and consumption in Ukraine that are based on machine learning methods
von: Sinitsyn, I.P., et al.
Veröffentlicht: (2023)

User-centric technology stack for weather and air pollution forecasting
von: Doroshenko, A.Yu., et al.
Veröffentlicht: (2025)

Constraint programming in insertion modeling system
von: Letichevsky, O.A., et al.
Veröffentlicht: (2025)

Optimization of parallel perceptron for central processing units
von: Doroshenko, A.Yu., et al.
Veröffentlicht: (2025)

Development of formal models, algorithms, procedures, engineering and functioning of the software system “Instrumental complex for ontological engineering purpose”
von: Palagin, O.V., et al.
Veröffentlicht: (2025)

Partial evaluation in insertion modeling system
von: Peschanenko, V.S.
Veröffentlicht: (2025)

DS-theory. Research of R-data division factors in order to generate applied algorithms. Part 1
von: Kolesnyk, V.G.
Veröffentlicht: (2017)