神经网络用英文怎么说,神经网络算法的英文

模式识别跟神经网络英文怎么说

神经网络的英文翻译

AI爱发猫 www.aifamao.com。

neuralnet神经网络；〔神经网路〕Auniquefunctionofmemoryandinformationprocessingnecessaryforabiologicaltypeofcomputermemory.Itincludes(a)randomorganization;(b)thedistributionofmemorytracesthroughtheentiresystem;(c)thesimultaneousparticipationofanyelementinmanymemorytraces;(d)nocatastrophicfailure;(e)implicitorresponsereinforcementmemory;and(f)automaticresponse(nosearchandcomparisonwouldbeneeded).一种独特的存储和信息处理功能，是生物型计算机存储器所必须具备的，其中包括：(1)随机组织；(2)存储跟踪分布遍及整个系统；(3)许多存储跟踪中任何元素的同时加入；(4)不出现突然失效；(5)隐含或反应增强式存储；(6)自动反应(不需要搜索与比较)。

英语Neural Engine怎么翻译？

英语NeuralEngine翻译成中文是：“神经引擎”。重点词汇：neural一、单词音标neural单词发音：英 [ˈnjʊərəl]  美 [ˈnʊrəl]。

二、单词释义adj. 神经的三、词形变化副词扩展: neurally四、短语搭配neuralnetwork 神经网络neuralarch 神经弓neuralcontrol 神经控制neuralplate 神经板五、双语例句Neural networks are computer systems which mimic the workings of the brain神经网络是模拟大脑工作方式的计算机系统。

It can create up to one million neural connections every second.它每秒可以创建多达一百万个神经连接。

The information transmission in neural system depends on neurotransmitters.信息传递的神经途径有赖于神经递质。

is that it really enhances what's called neural integration.它可以增强神经整合You have that single neural connection, that one synapse.你拥有一处单一的神经连接，那一个特定突触。

求一篇关于神经网络的英文翻译 80

。

Introduction--------------------------------------------------------------------“神经网络”这个词实际是来自于生物学，而我们所指的神经网络正确的名称应该是“人工神经网络（ANNs）”。

在本文，我会同时使用这两个互换的术语。一个真正的神经网络是由数个至数十亿个被称为神经元的细胞（组成我们大脑的微小细胞）所组成，它们以不同方式连接而型成网络。

人工神经网络就是尝试模拟这种生物学上的体系结构及其操作。在这里有一个难题：我们对生物学上的神经网络知道的不多！因此，不同类型之间的神经网络体系结构有很大的不同，我们所知道的只是神经元基本的结构。

Theneuron----------------------------------------------------------------------虽然已经确认在我们的大脑中有大约50至500种不同的神经元，但它们大部份都是基于基本神经元的特别细胞。

基本神经元包含有synapses、soma、axon及dendrites。

Synapses负责神经元之间的连接，它们不是直接物理上连接的，而是它们之间有一个很小的空隙允许电子讯号从一个神经元跳到另一个神经元。

然后这些电子讯号会交给soma处理及以其内部电子讯号将处理结果传递给axon。而axon会将这些讯号分发给dendrites。

最后，dendrites带着这些讯号再交给其它的synapses，再继续下一个循环。如同生物学上的基本神经元，人工的神经网络也有基本的神经元。

每个神经元有特定数量的输入，也会为每个神经元设定权重（weight）。权重是对所输入的资料的重要性的一个指标。

然后，神经元会计算出权重合计值（netvalue），而权重合计值就是将所有输入乘以它们的权重的合计。每个神经元都有它们各自的临界值（threshold），而当权重合计值大于临界值时，神经元会输出1。

相反，则输出0。最后，输出会被传送给与该神经元连接的其它神经元继续剩余的计算。

Learning----------------------------------------------------------------------正如上述所写，问题的核心是权重及临界值是该如何设定的呢？

世界上有很多不同的训练方式，就如网络类型一样多。但有些比较出名的包括back-propagation,deltarule及Kohonen训练模式。

由于结构体系的不同，训练的规则也不相同，但大部份的规则可以被分为二大类别-监管的及非监管的。监管方式的训练规则需要“教师”告诉他们特定的输入应该作出怎样的输出。

然后训练规则会调整所有需要的权重值（这是网络中是非常复杂的），而整个过程会重头开始直至数据可以被网络正确的分析出来。监管方式的训练模式包括有back-propagation及deltarule。

非监管方式的规则无需教师，因为他们所产生的输出会被进一步评估。

Architecture----------------------------------------------------------------------在神经网络中，遵守明确的规则一词是最“模糊不清”的。

因为有太多不同种类的网络，由简单的布尔网络（Perceptrons），至复杂的自我调整网络（Kohonen），至热动态性网络模型（Boltzmannmachines）！