AI(人工智能)的英文全称?AI指什么,包含什么?
AI(ArtificialIntelligence,人工智能)。“人工智能”一词最初是在1956年Dartmouth学会上提出的。
从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。
人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
例如繁重的科学和工程计算本来是要人脑来承担的,现在计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。
它一方面不断获得新的进展,一方面又转向更有意义、更加困难的目标。
目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。
除了计算机科学以外,人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。
人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
知识表示是人工智能的基本问题之一,推理和搜索都与表示方法密切相关。常用的知识表示方法有:逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。
常识,自然为人们所关注,已提出多种方法,如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。
问题求解中的自动推理是知识的使用过程,由于有多种知识表示方法,相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。
结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要,近几年来提出了多种非演泽的推理方法,如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。
搜索是人工智能的一种问题求解方法,搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。
启发式知识常由启发式函数来表示,启发式知识利用得越充分,求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。
机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的过程,按照学习机制的不同,主要有归纳学习、分析学习、连接机制学习和遗传学习等。
知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识,当知识量较大而又有多种表示方法时,知识的合理组织与管理是重要的。
推理机在问题求解时,规定使用知识的基本方法和策略,推理过程中为记录结果或通信需设数据库或采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识,则这样的知识系统称为专家系统。
为适应复杂问题的求解需要,单一的专家系统向多主体的分布式人工智能系统发展,这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。
一、人工智能的历史人工智能(AI)是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。
人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能的目的就是让计算机这台机器能够象人一样思考。这可是不是一个容易的事情。
如果希望做出一台能够思考的机器,那就必须知识什么是思考,更进一步讲就是什么是智慧,它的表现是什么,你可以说科学家有智慧,可你决不会说一个路人什么也不会,没有知识,你同样不敢说一个孩子没有智慧,可对于机器你就不敢说它有智慧了吧,那么智慧是如何分辨的呢?
我们说的话,我们做的事情,我们的想法如同泉水一样从大脑中流出,如此自然,可是机器能够吗,那么什么样的机器才是智慧的呢?
科学家已经作出了汽车,火车,飞机,收音机等等,它们模仿我们身体器官的功能,但是能不能模仿人类大脑的功能呢?
到目前为止,我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官,我们对这个东西知之甚少,模仿它或许是天下最困难的事情了。
在定义智慧时,英国科学家图灵做出了贡献,如果一台机器能够通过称之为图灵实验的实验,那它就是智慧的,图灵实验的本质就是让人在不看外型的情况下不能区别是机器的行为还是人的行为时,这个机器就是智慧的。
不要以为图灵只做出这一点贡献就会名垂表史,如果你是学计算机的就会知道,对于计算机人士而言,获得图灵奖就等于物理学家获得诺贝尔奖一样,图灵在理论上奠定了计算机产生的基础,没有他的杰出贡献世界上根本不可能有这个东西,更不用说什么网络了。
科学家早在计算机出现之前就已经希望能够制造出可能模拟人类思维的机器了,在这方面我希望提到另外一个杰出的数学家,哲学家布尔,通过对人类思维进行数学化精确地刻画,他和其它杰出的科学家一起奠定了智慧机器的思维结构与方法,今天我们的计算机内使用的逻辑基础正是他所创立的。
我想任何学过计算机的人对布尔一定不会陌生,我们所学的布尔代数,就是由它开创的。
当计算机出现后,人类开始真正有了一个可以模拟人类思维的工具了,在以后的岁月中,无数科学家为这个目标努力着,现在人工智能已经不再是几个科学家的专利了,全世界几乎所有大学的计算机系都有人在研究这门学科,学习计算机的大学生也必须学习这样一门课程,在大家不懈的努力下,现在计算机似乎已经变得十分聪明了,刚刚结束的国际象棋大赛中,计算机把人给胜了,这是人们都知道的,大家或许不会注意到,在一些地方计算机帮助人进行其它原来只属于人类的工作,计算机以它的高速和准确为人类发挥着它的作用。
人工智能始终是计算机科学的前沿学科,计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。
现在人类已经把计算机的计算能力提高到了前所未有的地步,而人工智能也在下世纪领导计算机发展的潮头,现在人工智能的发展因为受到理论上的限制不是很明显,但它必将象今天的网络一样深远地影响我们的生活。
在世界各地对人工智能的研究很早就开始了,但对人工智能的真正实现要从计算机的诞生开始算起,这时人类才有可能以机器的实现人类的智能。
AI这个英文单词最早是在1956年的一次会议上提出的,在此以后,因此一些科学的努力它得以发展。
人工智能的进展并不象我们期待的那样迅速,因为人工智能的基本理论还不完整,我们还不能从本质上解释我们的大脑为什么能够思考,这种思考来自于什么,这种思考为什么得以产生等一系列问题。
但经过这几十年的发展,人工智能正在以它巨大的力量影响着人们的生活。
让我们顺着人工智能的发展来回顾一下计算机的发展,在1941年由美国和德国两国共同研制的第一台计算机诞生了,从此以后人类存储和处理信息的方法开始发生革命性的变化。
第一台计算机的体型可不算太好,它比较胖,还比较娇气,需要工作在有空调的房间里,如果希望它处理什么事情,需要大家把线路重新接一次,这可不是一件省力气的活儿,把成千上万的线重新焊一下我想现在的程序员已经是生活在天堂中了。
终于在1949发明了可以存储程序的计算机,这样,编程程序总算可以不用焊了,好多了。因为编程变得十分简单,计算机理论的发展终于导致了人工智能理论的产生。
人们总算可以找到一个存储信息和自动处理信息的方法了。虽然现在看来这种新机器已经可以实现部分人类的智力,但是直到50年代人们才把人类智力和这种新机器联系起来。
我们注意到旁边这位大肚子的老先生了,他在反馈理论上的研究最终让他提出了一个论断,所有人类智力的结果都是一种反馈的结果,通过不断地将结果反馈给机体而产生的动作,进而产生了智能。
我们家的抽水马桶就是一个十分好的例子,水之所以不会常流不断,正是因为有一个装置在检测水位的变化,如果水太多了,就把水管给关了,这就实现了反馈,是一种负反馈。
如果连我们厕所里的装置都可以实现反馈了,那我们应该可以用一种机器实现反馈,进而实现人类智力的机器形式重现。这种想法对于人工智能早期的有着重大的影响。
在1955的时候,香农与人一起开发了TheLogicTheoriST程序,它是一种采用树形结构的程序,在程序运行时,它在树中搜索,寻找与可能答案最接近的树的分枝进行探索,以得到正确的答案。
这个程序在人工智能的历史上可以说是有重要地位的,它在学术上和社会上带来的巨大的影响,以至于我们现在所采用的方法思想方法有许多还是来自于这个50年代的程序。
1956年,作为人工智能领域另一位著名科学家的麦卡希(就是右图的那个人)召集了一次会议来讨论人工智能未来的发展方向。
从那时起,人工智能的名字才正式确立,这次会议在人工智能历史上不是巨大的成功,但是这次会议给人工智能奠基人相互交流的机会,并为未来人工智能的发展起了铺垫的作用。
在此以后,工人智能的重点开始变为建立实用的能够自行解决问题的系统,并要求系统有自学习能力。
在1957年,香农和另一些人又开发了一个程序称为GeneralProblemSolver(GPS),它对Wiener的反馈理论有一个扩展,并能够解决一些比较普遍的问题。
别的科学家在努力开发系统时,右图这位科学家作出了一项重大的贡献,他创建了表处理语言LISP,直到现在许多人工智能程序还在使用这种语言,它几乎成了人工智能的代名词,到了今天,LISP仍然在发展。
在1963年,麻省理工学院受到了美国政府和国防部的支持进行人工智能的研究,美国政府不是为了别的,而是为了在冷战中保持与苏联的均衡,虽然这个目的是带点火药味的,但是它的结果却使人工智能得到了巨大的发展。
其后发展出的许多程序十分引人注目,麻省理工大学开发出了SHRDLU。
在这个大发展的60年代,STUDENT系统可以解决代数问题,而SIR系统则开始理解简单的英文句子了,SIR的出现导致了新学科的出现:自然语言处理。
在70年代出现的专家系统成了一个巨大的进步,他头一次让人知道计算机可以代替人类专家进行一些工作了,由于计算机硬件性能的提高,人工智能得以进行一系列重要的活动,如统计分析数据,参与医疗诊断等等,它作为生活的重要方面开始改变人类生活了。
在理论方面,70年代也是大发展的一个时期,计算机开始有了简单的思维和视觉,而不能不提的是在70年代,另一个人工智能语言Prolog语言诞生了,它和LISP一起几乎成了人工智能工作者不可缺少的工具。
不要以为人工智能离我们很远,它已经在进入我们的生活,模糊控制,决策支持等等方面都有人工智能的影子。
让计算机这个机器代替人类进行简单的智力活动,把人类解放用于其它更有益的工作,这是人工智能的目的,但我想对科学真理的无尽追求才是最终的动力吧。二、人工智能的应用领域1、问题求解。
人工智能的第一大成就是下棋程序,在下棋程度中应用的某些技术,如向前看几步,把困难的问题分解成一些较容易的子问题,发展成为搜索和问题归纳这样的人工智能基本技术。
今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是,尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。
另一个问题是涉及问题的原概念,在人工智能中叫问题表示的选择,人们常能找到某种思考问题的方法,从而使求解变易而解决该问题。
到目前为止,人工智能程序已能知道如何考虑它们要解决的问题,即搜索解答空间,寻找较优解答。2、逻辑推理与定理证明。
逻辑推理是人工智能研究中最持久的领域之一,其中特别重要的是要找到一些方法,只把注意力集中在一个大型的数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。
对数学中臆测的题。
定理寻找一个证明或反证,不仅需要有根据假设进行演绎的能力,而且许多非形式的工作,包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化,因此,在人工智能方法的研究中定理证明是一个极其重要的论题。
3、自然语言处理。自然语言的处理是人工智能技术应用于实际领域的典型范例,经过多年艰苦努力,这一领域已获得了大量令人注目的成果。
目前该领域的主要课题是:计算机系统如何以主题和对话情境为基础,注重大量的常识——世界知识和期望作用,生成和理解自然语言。这是一个极其复杂的编码和解码问题。4、智能信息检索技术。
受"()*+(*)技术迅猛发展的影响,信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。
5、专家系统。专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。
近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。
那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。
如在矿物勘测、化学分析、规划和医学诊断方面,专家系统已经达到了人类专家的水平。成功的例子如:PROSPECTOR系统发现了一个钼矿沉积,价值超过1亿美元。
DENDRL系统的性能已超过一般专家的水平,可供数百人在化学结构分析方面的使用。MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见。
经正式鉴定结果,对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。
三、人工智能理论的数学化趋势越来越突出在现代科技高速发展的今天,许多科技理论都有赖于数学提供证明,有赖于数学对其的仿真。
人工智能的发展也不例外,如何把人们的思维活动形式化、符号化,使其得以在计算机上实现,就成为人工智能研究的重要课题。
在这方面,逻辑的有关理论、方法、技术起着十分重要的作用,它不仅为人工智能提供了有力的工具,而且也为知识的推理奠定了理论基础。人工智能中用到的逻辑可概括地分为两大类。
一类是经典命题逻辑和一阶谓词逻辑,其特点是任何一个命题的真值或者是“真”,或者是“假”,二者必居其一。这一类问题可以用数学里的经典逻辑理论来解决。
世界上事物千差万别,形形色色,除了确定性的事物或概念外,更广泛存在的是不确定性的事物或概念。这些不确定的事物是无法用经典逻辑理论来解决的。因此我们需要发展新的数学工具来表示这些问题。
目前在人工智能中对不确定性的事物或概念是通过运用多值逻辑、模糊理论及概率来描述、处理的。多值逻辑、模糊理论及概率虽然都是通过在〔!,"〕上取值来刻画不确定性,但三者之间又存在着很大区别。
多值逻辑是通过在真(")与假(!)之间增加了若干中介真值来描述事物为真的程度的,但它把各个中介真值看作是彼此完全分立的,界限分明。
而模糊理论认为不同的中介真值之间没有明确的界限,表现了不同中介值相互贯通、渗透的特征,从而更好地反映了不确定性的本质。
概率用来度量事件发生的可能性,而事件本身的含义是明确的,只是在一定的条件下它可能不发生,它与模糊理论是从两个不同的角度来描述不确定性的,因而有人称模糊理论描述了事物内在的不确定性,而概率描述的是事物外在的不确定性。
由上可以看出,数学使得人工智能能很好的模拟人类智能,大大推动了人工智能的向前发展。现在人工智能中还有一些问题用现在的数学很难表示出来,相信在数学知识不断发展之后,这些问题能很快得到解决。
五、人工智能的发展现状及前景目前绝大多数人工智能系统都是建立在物理符号系统假设之上的。
在尚未出现能与物理符号系统假设相抗衡的新的人工智能理论之前,无论从设计原理还是从已取得的实验结果来看,SOAr在探讨智能行为的一般特征和人类认知的具体特征的艰难征途上都取得了有特色的进展或成就,处在人工智能研究的前沿。
80年代,以NewellA为代表的研究学者总结了专家系统的成功经验,吸收了认知科学研究的最新成果,提出了作为通用智能基础的体系结构Soar。目前的Soar已经显示出强大的问题求解能力。
在Soar中已实现了30多种搜索方法,实现了若干知识密集型任务(专家系统),如RI等。rOOks提出了人工智能的一种新的途径。它认为无需概念或者说无需符号表示,智能系统的能力可以逐步进化。
在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后立即会有反馈。
(3)智能智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。
五、结语人工智能不单单需要逻辑思维与模仿,科学家们对人类大脑和神经系统研究得越多,他们越加肯定:情感是智能的一部分,而不是与智能相分离的。
因此人工智能领域的下一个突破可能不仅在于赋予计算机更多的逻辑推理能力,而且还要赋予它情感能力。许多科学家断言,机器的智能会迅速超过阿尔伯特·爱因斯坦和霍金的智能之和。
到下世纪中叶,人类生命的本质也会发生变化。神经植入将增强人类的知识和思考能力,并且开始向一种复合的人/机关系过渡,这种复合关系将使人类逐渐停止对生物机体的需求。
大量非常微小的机器人将在大脑的感觉区里占据一席之地,并且创造出真假难辨的虚拟现实的仿真效果。人工智能的实现,不是天方夜谭。虽然会很辛苦,但是没有人规定只有人类可以思考。
就像是生命的不同表现形式,动物,植物,微生物,是不同的生命的形式。人类可以以未知的方式思考,计算机也可以以另一种(并非一定要和人相同的)形式思考。
著名软件公司ADOBE的专业制图软件Illustrator的一种文件格式!AI(ArtificialIntelligence):人工智能。
就是指计算机模仿真实世界的行为方式与人类思维与游戏的方式的运算能力。那是一整套极为复杂的运算系统与运算规则。
=============================================================此外,AI还代表ALLENIVERSON(阿伦·艾佛森),他生于美国,是全世界最好的篮球联盟——“NBA”96黄金一代的代表人物,是NBA有史以来最好的后卫之一,他以183cm身高在众多魁梧的球员中灵动跳跃,独领风骚。
他先后摘取过NBA得分王、抢断王等称号,还在2001年带领76人队闯进NBA总决赛。他以特立独行的风格和满身的纹身成为全球篮球青少年疯狂追捧的偶像。
————————————————————————————————————歌手姓名:AI英文名:AI唱片公司:环球唱片(UniversalMusic)国籍:日本语言:日语兴趣:个人经历:*东瀛首席嘻哈女力、R&B歌姬她是张力十足的嘻哈女力,也是柔情似水的R&B美声歌姬,AI,22岁的她在时尚一派与安室奈美惠合唱‘Uh、Uh…’,并在珍娜杰克森的音乐录影带中展现绝赞舞技,除了过人的歌舞才华之外,词曲创作力更是傲视东瀛R&B舞台,在嘻哈音乐大厂DefJamJapan签下一纸合约之后,发行‘ORIGINALA.I./原创A.I.’专辑立刻赢得媒体一致肯定,除了拿下SPACESHOWERTV的R&B音乐录影带大奖外,更代表日本参加2004年MTVBUZZASIA演唱会,一举打进亚洲市场。
以过人演唱的天赋而获得日本“新时代音乐代言人”殊荣的HIPHOP小天后AI,近日参加了在台北举行的“台北流行音乐节”,同行的日本歌手还有一青窈以及藤木直人。
在这场盛大的音乐节上,AI以她新颖而独特的演唱方式以及活力四射的表演令在场6万歌迷为之倾倒。AI有着四分之一的意大利血统,骨子里就透出一种浪漫和前卫的气息。而她又是在美国长大,接触的音乐也很多元化。
由于AI的母亲非常喜欢音乐,所以从小她就深受各种类型音乐的熏陶。在15岁时,AI还曾经参加过珍妮·杰克逊的MTV《GODEEP》的录制。
不过,在日本出道时却并不顺利,因为与工作人员在音乐理解上的不同,当大家对自己的音乐反映很冷淡时,她就很想去敲墙壁,可见其可爱之处。
不过,AI并没有被现实所击败,仍然坚持走HIPHOP这条音乐路线,使得她的音乐风格也带给人们一种全新的感受。在今年日本最权威的公信榜票选中,AI从众多新晋女性中脱颖而出,成为新一代音乐天后接班人。
对此,AI自己也非常满意,她表示自己想要成为一个很有朝气的歌手,给更多的人带来幸福感。这次的台北流行音乐节,AI也是做足了准备。
除了带上偕同一起演出的DJ、化妆师、造型师、人声乐手AFURA以外,连日本报知新闻、电通、朝日电视台等日本媒体的高层人士以及自己经济公司的社长也都一同前来,浩浩荡荡23人的访华队伍令AI颇有面子。
而赴台之前,AI也时常向安室奈美惠等曾经去过台湾的人请教,以进一步了解台湾。
听说台北美食多多,AI兴奋地说想要常常小笼包、路边摊,所以这次的台湾之行,除了要参加音乐节和拍摄特辑,还顺带要向日本观众介绍台湾美食,这也使AI欣喜不已。
台湾表演大获成功后,AI也表示自己想要更了解华人音乐,有机会的话,也希望能够像平井坚、安室奈美惠等日本歌手一样,可以在台湾等地开演唱会,和台湾的歌手同台献艺。
其实AI出国献艺已经不是第一次,在几个月前的韩国汉城MTVBUZZASIA演唱会中,AI也曾把歌词改为韩文,而这次为了更贴近观众,AI也把歌词改成了中文来演唱。
为期四天的台湾之行,AI让更多的人领略了她的“小天后”风采,也顺便为自己今秋将要展开的全国巡演造势。
谷歌人工智能写作项目:神经网络伪原创
什么是人工智能?英文简称是什么?
人工智能(ArtificialIntelligence),英文缩写为AI好文案。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能在计算机领域内,得到了愈加广泛的重视。并在机器人,经济政治决策,控制系统,仿真系统中得到应用。
例如繁重的科学和工程计算本来是要人脑来承担的,如今计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的。
人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展,另一方面又转向更有意义、更加困难的目标。扩展资料:人工智能的定义可以分为两部分,即“人工”和“智能”。
“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。
人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。从思维观点看,人工智能不仅限于逻辑思维,要考虑形象思维、灵感思维才能促进人工智能的突破性的发展,数学常被认为是多种学科的基础科学。
数学也进入语言、思维领域,人工智能学科也必须借用数学工具,数学不仅在标准逻辑、模糊数学等范围发挥作用,数学进入人工智能学科,它们将互相促进而更快地发展。
参考资料:腾讯网-为什么人工智能(AI)如此难以预测?参考资料:百度百科-人工智能。
人工智能用英语怎么说?
“人工智能”的英语是:artificialintelligence。
重点词汇解释intelligence 英[ɪn'telɪdʒəns] 美[ɪn'telɪdʒəns] n.智力;理解力n.情报;情报工作;情报机关例句:She'stheequalofherbrotherasfarasintelligenceisconcerned.翻译:论智力,她和她哥哥不相上下。
短语:useone'sintelligence动脑筋近义词comprehension英[ˌkɒmprɪ'henʃn] 美[ˌkɑːmprɪ'henʃn] n.理解;理解力;领悟能力例句:Itisabovecomprehension.翻译:那是难于理解的。
短语:nodcomprehension点头表示领悟。
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)!
而这些,都遵守一个网络体系结构的标准。一个网络包括有多个神经元“层”,输入层、隐蔽层及输出层。输入层负责接收输入及分发到隐蔽层(因为用户看不见这些层,所以见做隐蔽层)。
这些隐蔽层负责所需的计算及输出结果给输出层,而用户则可以看到最终结果。现在,为免混淆,不会在这里更深入的探讨体系结构这一话题。
对于不同神经网络的更多详细资料可以看Generation5essays尽管我们讨论过神经元、训练及体系结构,但我们还不清楚神经网络实际做些什么。
TheFunctionofANNs----------------------------------------------------------------------神经网络被设计为与图案一起工作-它们可以被分为分类式或联想式。
分类式网络可以接受一组数,然后将其分类。例如ONR程序接受一个数字的影象而输出这个数字。或者PPDA32程序接受一个坐标而将它分类成A类或B类(类别是由所提供的训练决定的)。
更多实际用途可以看ApplicationsintheMilitary中的军事雷达,该雷达可以分别出车辆或树。联想模式接受一组数而输出另一组。
例如HIR程序接受一个‘脏’图像而输出一个它所学过而最接近的一个图像。联想模式更可应用于复杂的应用程序,如签名、面部、指纹识别等。
TheUpsandDownsofNeuralNetworks----------------------------------------------------------------------神经网络在这个领域中有很多优点,使得它越来越流行。
它在类型分类/识别方面非常出色。神经网络可以处理例外及不正常的输入数据,这对于很多系统都很重要(例如雷达及声波定位系统)。很多神经网络都是模仿生物神经网络的,即是他们仿照大脑的运作方式工作。
神经网络也得助于神经系统科学的发展,使它可以像人类一样准确地辨别物件而有电脑的速度!前途是光明的,但现在...是的,神经网络也有些不好的地方。这通常都是因为缺乏足够强大的硬件。
神经网络的力量源自于以并行方式处理资讯,即是同时处理多项数据。因此,要一个串行的机器模拟并行处理是非常耗时的。
神经网络的另一个问题是对某一个问题构建网络所定义的条件不足-有太多因素需要考虑:训练的算法、体系结构、每层的神经元个数、有多少层、数据的表现等,还有其它更多因素。
因此,随着时间越来越重要,大部份公司不可能负担重复的开发神经网络去有效地解决问题。
NN神经网络,NeuralNetworkANNs人工神经网络,ArtificialNeuralNetworksneurons神经元synapses神经键self-organizingnetworks自我调整网络networksmodellingthermodynamicproperties热动态性网络模型英文翻译Introduction----------------------------------------------------------------------Neuralnetworkisanewtechnologyinthefieldoffashionvocabulary.Manypeoplehaveheardoftheword,butfewpeoplereallyunderstandwhatitis.Thepurposeofthispaperistointroduceallthebasicneuralnetworkfunctions,includingitsgeneralstructure,relatedterms,typesandapplications."Neuralnetwork"actuallycamefrombiology,andneuralnetworkswereferthecorrectnameshouldbe"ArtificialNeuralNetworks(ANNs)".Inthisarticle,Iwillalsousethetwointerchangeableterms.Arealneuralnetworkisafewtoafewbillioncellscalledneurons(composedoftinycellsinourbrains)arecomposedof,theyaredifferentwaystoconnectandtypeintothenetwork.Artificialneuralnetworkistryingtomodelthisbiologicalsystemstructureanditsoperation.Thereisaproblemhere:webiologicalneuralnetworksdonotknowmuch!Thus,betweendifferenttypesofneuralnetworkarchitectureisverydifferent,weknowonlythebasicstructureofneurons.Theneuron----------------------------------------------------------------------Whilealreadyrecognizedinourbrain,about50to500kindsofdifferentneurons,butmostofthemarebasedonspecialcellsinthebasicneuron.Containsthebasicneuralsynapses,soma,axonanddendrites.Synapsesbetweenneuronsresponsiblefortheconnection,theyarenotdirectlyphysicallyconnected,buttheyhaveaverysmallgapbetweentoallowelectronicsignalsfromoneneurontoanotherneuron.Thentheelectricalsignalstothesomawillbeaninternalelectronicsignalprocessinganditsprocessingresultwillpassaxon.Theaxonofthesesignalswillbedistributedtodendrites.Finally,dendriteswiththesesignalsandthentotheothersynapses,andthencontinuetothenextcycle.Asabasicbiologicalneurons,artificialneuralnetworkshavebasicneurons.Eachneuronhasaspecificnumberofinputs,willbesetforeachneuronweight(weight).Weightistheimportanceoftheinformationenteredanindicator.Then,neuronscalculatestheweightofthetotalvalue(netvalue),whilethetotalweightofalltheinputvalueismultipliedbythetotaloftheirweights.Eachneuronhastheirownthreshold(threshold),whilethepowerisgreaterthanthecriticalvalueofthetotalvalueofweight,theneuronwilloutput1.Onthecontrary,theoutput0.Finally,theoutputcanbetransmittedtotheneuronalconnectionswithotherneuronstotheremainingcalculations.Learning----------------------------------------------------------------------Aswrittenabove,atissueisthecriticalvalueoftheweightandhowtosetit?Theworldhasmanydifferenttrainingmethods,asmuchasthenetworktype.Butsomewell-known,includingback-propagation,deltaruleandKohonentrainingmode.Becauseofdifferentstructuralsystems,trainingisnotthesamerules,butmostoftherulescanbedividedintotwobroadcategories-regulatoryandnon-regulated.Supervisingthetrainingrulesneedtobe"teachers"tellthemhowaparticularinputtotheoutputshouldbe.Thenthetrainingruletoadjusttheweightofalltheneedsofvalue(thisisaverycomplexnetwork),andthewholeprocesswouldstartagainuntilthecorrectdatacanbeanalyzedbythenetwork.Regulatoryapproachofthetrainingmodelincludesback-propagationandthedeltarule.Therulesofnon-regulatoryapproachwithoutteachers,becausetheyproducetheoutputwillbefurtherevaluated.Architecture----------------------------------------------------------------------Intheneuralnetwork,complywiththerulesclearwordisthemost"obscure"the.Becausetherearetoomanydifferenttypesofnetworks,fromsimpleBooleannetworks(Perceptrons),tothecomplexnetworkofself-adjustment(Kohonen),tothethermaldynamicnetworkmodel(Boltzmannmachines)!Thesehavetocomplywiththestandardsofanetworkarchitecture.Anetworkincludingmultipleneurons,"layer",theinputlayer,hiddenlayerandoutputlayer.Inputlayertoreceiveinputanddistributetothehiddenlayer(becausetheusercannotseethelayers,sodoseethehiddenlayer).Thehiddenlayerisresponsibleforthenecessarycalculationsandoutputtotheoutputlayer,theusercanseethefinalresult.Now,toavoidconfusion,wouldnotbeheremorein-depthstudyarchitecturetalkingaboutit.DifferentneuralnetworksformoredetailedinformationcanbereadGeneration5essays,includingamultipleneuralnetwork"layer",theinputlayer,hiddenlayerandoutputlayer.Inputlayertoreceiveinputanddistributetothehiddenlayer(becausetheusercannotseethelayers,sodoseethehiddenlayer).Thehiddenlayerisresponsibleforthenecessarycalculationsandoutputtotheoutputlayer,theusercanseethefinalresult.Now,toavoidconfusion,wouldnotbeheremorein-depthstudyarchitecturetalkingaboutit.DifferentneuralnetworksformoredetailedinformationcanbeseenGeneration5essays.Althoughwediscussedtheneurons,trainingandarchitecture,butwedonotknowwhattheactualneuralnetwork.TheFunctionofANNs----------------------------------------------------------------------Neuralnetworksaredesignedtoworkwithpatterns-theycanbedividedintotwocategories-typeorassociationtype.Category-typenetworkcanacceptafew,andthenclassified.Forexample,ONRprogramacceptsanumberoftheimageandtheoutputfigure.OrPPDA32programacceptsacoordinateandtoclassifyitasClassAorB(typeoftrainingprovidedbythedecision).MorepracticalusecanbeseenApplicationsintheMilitaryinthemilitaryradars,theradarcouldpickoutavehicleortree.Lenovomodeltoacceptagroupofnumbersandtheoutputofanothergroup.HIRproceduressuchasacceptanceofa'dirty'imageandtheoutputofalearnedandtheclosestitanimage.Lenovomodelalsocanbeusedincomplexapplicationssuchassignature,face,fingerprintrecognition.TheUpsandDownsofNeuralNetworks----------------------------------------------------------------------Neuralnetworkinthisareahasmanyadvantages,makingitmorepopular.Itisinthetypeclassification/recognitionisverygood.Neuralnetworkscanhandletheexceptionandnotthenormalinputdata,whichareimportantformanysystems(suchasradarandsonarsystems).Manyneuralnetworksaremimicbiologicalneuralnetworks,thatistheirmodeofoperationmodeledontheworkofthebrain.Neuralnetworksalsohavetohelpthedevelopmentofneuroscience,itcan,likehumans,accurateidentificationofobjectsandthespeedofcomputers!Thefutureisbright,butnow...Yes,theneuralnetworkarealsosomebadpoints.Thisisusuallybecauseoflackofsufficientlypowerfulhardware.Powerderivedfromtheneuralnetworktoprocessinformationinparallel,thatis,anumberofdatasimultaneously.Therefore,tosimulateaserialparallelprocessingmachinesisverytime-consuming.Anotherproblemwithneuralnetworksisaprobleminbuildinganetworkofdefinedconditionsarenot-therearetoomanyfactorstoconsider:trainingalgorithms,architecture,numberofneuronsineachlayer,thenumberoflayers,datashow,etc.Thereareotheradditionalfactors.Therefore,moreandmoreimportantovertime,mostcompaniescannotaffordtorepeatthedevelopmentofneuralnetworktoeffectivelysolvetheproblem.不知道是不是我随便找的。
专业名称英语的说法
。
可以参考下(后面还有网址):现代交换原理ModernExchangeTheory模拟电子技术基础AnalogElectronics数电课程设计PracticalCourseforDigitalElectronics数字电子技术基础DigitalElectronics控制系统计算机仿真ComputerSimeulationforControlSystem模电课程设计PracticalCourseforAnalogElectronics模糊控制技术FuzzyControl信号与系统SignalsandSystems通信电子线路ElectronicCircuitofCommunication通信原理PrincipleofCommunication通讯写作专题CurrentIssuesonReportWriting计算机网络新技术ModernComputerNetworkTechnologies网络信息系统NetworkInformationSystem图像传输与处理ImageTransmissionandProcessing图像编码理论TheoryofImageCoding遥感技术RemoteSensingTechniques虚拟仪器系统设计DesignofVirtualInstrumentSystem生物医学信号处理技术SignalProcessingforBiologyandMedicine光纤光学FiberOpticsVLSI的EDA技术EDATechniquesforVLSI电子系统的ASIC技术ASICDesignTechnologiesVLSI技术与检测方法VLSITechniques&ItsExamination专题阅读或专题研究TheSpecialSubjectStudy信息论InformationTheory计算机传输技Computertransmissiontechnology半导体物理学SemiconductorPhysics通信原理PrincipleofCommunication现代数理逻辑ModernMathematicalLogic算法分析与设计AnalysisandDesignofAlgorithms高级计算机网络AdvancedComputerNetworks高级软件工程AdvancedSoftwareEngineering数字图像处理DigitalImageProcessing知识工程原理PrinciplesofKnowledgeEngineering面向对象程序设计Object-OrientedProgramming形式语言与自动机FormalLanguagesandAutomata人工智能程序设计ArtificialIntelligenceProgramming软件质量与测试SoftwareQualityandTesting大型数据库原理与高级开发技术PrinciplesofLarge-ScaleData-BaseandAdvancedDevelopmentTechnology自然智能与人工智能NaturalIntelligenceandArtificialIntelligenceUnix操作系统分析AnalysisofUnixSystem计算机图形学ComputerGraphicsInternet与Intranet技术InternetandIntranetTechnology多媒体技术MultimediaTechnology数据仓库技术与联机分析处理DataWarehouseandOLAP程序设计方法学MethodologyofProgramming计算机信息保密与安全SecrecyandSecurityofComputerInformation电子商务ElectronicCommerce分布式系统与分布式处理DistributedSystemsandDistributedProcessing并行处理与并行程序设计ParallelProcessingandParallelProgramming模糊信息处理技术FuzzyInformationProcessingTechnology人工神经网络及应用ArtificialIntelligenceandItsApplicationsUnix编程环境UnixProgrammingEnvironment计算机视觉ComputerVision高级管理信息系统AdvancedManagementInformationSystems信息系统综合集成理论及方法TheoryandMethodologyofInformationnSystemIntegration计算机科学研究新进展AdvancesinComputerScience离散数学DiscreteMathematics操作系统OperatingSystem数据库原理PrinciplesofDatabase编译原理PrinciplesofCompiler程序设计语言ProgrammingLanguage数据结构DataStructure计算机科学中的逻辑学LogicinComputerScience面向对象系统分析与设计Object-OrientedSystemAnalysisandDesign高等数值分析AdvancedNumericAnalysis人工智能技术ArtificialIntelligenceTechnology软计算理论及应用TheoryandApplicationofSoft-Computing逻辑程序设计与专家系统LogicProgrammingandExpertSystems模式识别PatternRecognition软件测试技术SoftwareTestingTechnology高级计算机网络与集成技术AdvancedComputerNetworksandIntegrationTechnology语音信号处理SpeechSignalProcessing系统分析与软件工具SystemAnalysisandSoftwareTools计算机仿真ComputerSimulation计算机控制ComputerControl图像通信技术ImageCommunicationTechnology人工神经网络及应用ArtificialIntelligenceandItsApplications计算机技术研究新进展AdvancesinComputerTechnology高等数理方法AdvancedMathematicalMethod弹塑性力学Elastic-PlasticMechanics板壳理论TheoryofPlateandShell高等工程力学AdvancedEngineeringMechanics板壳非线性力学NonlinearMechanicsofPlateandShell复合材料结构力学StructuralMechanicsofCompositeMaterial弹性元件的理论及设计TheoryandDesignofElasticElement非线性振动NonlinearVibration高等土力学AdvancedSoilMechanics分析力学AnalyticMechanics随机振动RandomVibration数值分析NumericalAnalysis基础工程计算与分析CalculationandAnalysisofFoundationEngineering结构动力学StructuralDynamics实验力学LaboratoryMechanics损伤与断裂DamageandFracture小波分析WaveletAnalysis有限元与边界元分析方法AnalyticalMethodofFiniteElementandBoundaryElement最优化设计方法OptimalDesignMethod弹性力学ElasticMechanics高层建筑基础TallBuildingFoundation动力学Dynanics土的本构关系SoilConstitutiveRelation数学建模MathematicalModeling现代通信理论与技术EmergingCommunicationsTheoryandTechnology数字信号处理DigitalSignalProcessing网络理论与多媒体技术Multi-mediaandNetworkTechnology医用电子学ElectronicsforMedicine计算微电子学ComputationalMicroelectronics集成电路材料和系统电子学MaterialandSystemElectronicsforIntegratedCircuits网络集成与大型数据库ComputerNetworkIntegratingTechnologyandLargescaleDatabase现代数字系统ModernDigitalSystem微机应用系统设计MicrocomputerApplicationDesign环境生物学EnvironmentalBiology水环境生态学模型ModelsofWaterQuality环境化学EnvironmentalChemistry环境生物技术EnvironmentalBiotechnology水域生态学AquaticEcology环境工程EnvironmentalEngineering环境科学研究方法StudyMethodologyofEnvironmentalScience藻类生理生态学EcologicalPhysiologyinAlgae水生动物生理生态学PhysiologicalEcologyofAquaticAnimal专业文献综述ReviewonSpecialInformation废水处理与回用SewageDisposalandRe-use生物医学材料学及实验BiomaterialsandExperiments现代测试分析ModernTestingTechnologyandMethods生物材料结构与性能StructuresandPropertiesofBiomaterials计算机基础ComputerBasis医学信息学MedicalInformatics计算机汇编语言ComputerAssemblyLanguage学科前沿讲座LecturesonFrontiersoftheDiscipline组织工程学TissueEngineering生物医学工程概论IntroductiontoBiomedicalEngineering高等生物化学AdvancedBiochemistry光学与统计物理OpticsandStatisticalPhysics图像分析ImageTreatment数据处理分析与建模DataAnalysisandConstitutingModel高级数据库AdvancedDatabase计算机网络ComputerNetwork多媒体技术TechnologyofMultimedia软件工程SoftwareEngineering药物化学PharmaceuticalChemistry功能高分子FunctionalPolymerInternetIntranet(英)InternetIntranet程序设计方法学MethodsofProgrammingInternetIntranet高分子化学与物理PolymericChemistryandPhysics医学电子学MedicalElectronics现代仪器分析ModernInstrumentalAnalysis仪器分析实验InstrumentalAnalysisExperiment食品添加剂FoodAdditivesTechnology高级食品化学AdvancedFoodChemistry食品酶学FoodEnzymology现代科学前沿选论LiteratureonAdvancesofModernScience波谱学Spectroscopy波谱学实验SpectroscopicExperiment食品贮运与包装FoodPackaging液晶化学LiquidCrystalChemistry高等有机化学AdvancedOrganicChemistry功能性食品FunctionFoods食品营养与卫生学FoodNutritionandHygiene食品生物技术FoodBiotechnology食品研究与开发FoodResearchandDevelopment有机合成化学SyntheticOrganicChemistry食品分离技术FoodSeparationTechnique精细化工装备RefineryChemicalEquipment食品包装原理PrincipleofFoodPackaging表面活性剂化学及应用ChemistryandApplicationofSurfactant天然产物研究与开发ResearchandDevelopmentofNaturalProducts食品工艺学FoodTechnology生物化学Biochemistry食品分析FoodAnalysis食品机械与设备FoodMachineryandEquipment。
哪位英语高手帮忙翻译下专业英语 100
人工神经网络人工智能(AI)系统被广泛地作为提供一个可供选择的方法的技术用来应付复杂和不清楚的问题。
他们可以从例子中学习,容错,能处理杂乱的和残缺不全的数据,能应付非线性问题,并且通过一次学习就能进行高速的预测和统计。
他们已经被用于设备控制,机器人学,模式识别,预测,医学,动力系统,制造业,优化设计,信号处理和社交心理学上面,包括以下领域,专家系统、人工神经网络、基因算法、模糊逻辑和各种各样的杂种体系例如是结合两个或多个技术的体系。
人工神经网络系统就像是在仿效人脑工作方式的一种系统。神经元如图2所显示的那样。在大脑中,编码信息从神经键传往轴突。每个神经元轴突传达信息给一定数量的其他神经元。
神经元从其他有另外大量的轴突所组成的神经元那里获得信息。根据Haykin的说法,神经网络是一种强大的多功能的处理器,它天生具备一种储存信息的能力和将这些信息转化为有用信息的能力。
它在二个方面类似于人脑:知识在网络传输过程中学习,并且相邻神经元中被叫作突触那部分的被用于存放数据。
ANN是一种被互相联系起来进行协同工作的简单处理元素、单位或者节点,它的功能是基于动物的神经元工作的原理。
网络的处理能力被存放在相邻单位的力量或者重量上,在适应的过程中被获得或者在一系列的训练中学习。
一个学习算法被定义为包括调整网络的重量和偏心的算法,使其在输入输出之间的误差函数减到最小,在给定的一系列输入和正确的输出时适用。
请问一些网络英语词汇,本人经常在国外游戏论坛被藐视
。
ACT(Action,动作类游戏)ARPG(ActionRolePlayGames,动作角色扮演游戏)AVG(AdventureGenre,冒险类游戏)DAN(Dance,跳舞类游戏,包括跳舞机、吉它机、打鼓机等)DC(Dreamcast,世嘉64位游戏机)ETC(etc,其它类游戏,包括模拟飞行)FFJ:ForceFeedbackJoystick(力量反匮式操纵杆)FPP(FirstPersonGame,第一人称游戏)FTG(FightingGame,格斗类游戏)GB(GameBoy,任天堂4位手提游戏机)GBC(GameBoyColor,任天堂手提16色游戏机)GG(GameGear,世嘉彩色手提游戏机)FC(Famicom,任天堂8位游戏机)fps(framespersecond,帧/秒)FR(FramesRate,游戏运行帧数)MAC(Macintosh,苹果电脑)N64(Nintendo64,任天堂64位游戏机)SFC(SuperFamicom,超级任天堂16位游戏机)SLG(SimulationGame,模拟类游戏)SPG(SportsGames,运动类游戏)SRPG(StrategiesRolePlayGames,战略角色扮演游戏)STG(ShootGame,射击类游戏)SS(SegaSaturn,世嘉土星32位游戏机)PC(PersonalComputer,个人计算机)PS(PlayStation,索尼32位游戏机)PS(PocketStation,索尼手提游戏机)RAC(race,赛车类游戏)RTS(RealTimeStrategies,实时战略)RPG(RolePlayGames,角色扮演游戏)TAB(TableChess,桌棋类游戏)3DAccelerator:3D加速器。
一种专门提升PC的3D运算功能硬件,但其不能提升计算机整体的显示效果。ACT(ActionGame):动作类游戏。AI(ArtificialIntelligence):人工智能。
Alpha:Alpha测试。就是指在游戏制作者控制的环境下进行的游戏测试工作,所以一般来说a测试是在公司内部进行的。AVG(AdventureGame):冒险类游戏。Beta:Beta测试。
就是指不在制作者控制的环境下进行的游戏测试工作,所以一般来说Beta测试则是交由选定的测试者单独来进行测试。Boss:大头目。Cheat:游戏秘技。ClockSpeed:游戏执行速度。
Code:密码。1)同Cheat条;2)同SourceCode条。Doom-like:三维射击类游戏。E3(ElectronicEntertainmentExpo):美国E3大展。
当前世界上最为盛大的电脑游戏与电视游戏的商贸展示会,基本于每年五月举行。EasterEgg:复活节彩蛋。程序中隐藏着的一段意外的内容,常为制作者设计的搞笑内容,经常是关于制作者自己的介绍与调侃。
ECTS(EuropeanComputerTradeShow):欧洲计算机商贸展示会。被称为欧洲的E3大展,每年三月和九月于伦敦举行。ElectronicGame:电子游戏。
Engine:游戏引擎。即一套游戏的主程序。ExperiencePoint:经验点数。FTG(FightingGame):格斗类游戏。FirstPerson:第一人称视角。
FlightSim:飞行模拟类游戏。FMV(Full-motionVideo):全动态影像。即游戏的片头、过场和片尾的动态画面。ForwardScrolling:向前卷轴。
即背景不断向玩者趋近的卷轴模式,常出现在第一人称射击或模拟类游戏。FPS(FramesPerSecond):每秒显示帧数。FreeGuy:额外的命。
在游戏中,你有可能会获得的额外的命,比如收集一定数量的某种宝物。Gameplay:游戏可玩性。即游戏的玩法,是决定一个游戏有多好玩的重要因素。Genre:游戏类型。
即为不同游戏玩法的游戏作一归类,比如角色扮演类、冒险类、动作类、模拟类等。GPU(GraphicsProcessingUnit):图形处理器。辅助CPU处理图形运算。
GraphicsAccelerator:图形加速器。专门的提升显示速度和效果的硬件。GraphicAdventure:图形冒险类游戏。是冒险类游戏下的一个门类,相对与文字冒险类游戏。
GUI(GraphicalUserInterface):图形用户界面。即计算机与用户的交互界面。HiddenLevel:隐藏关卡。指游戏中隐藏的部分,自行发现。High-Res:高解析度。
Hint:攻略提示。HP(HitPoint):生命力。HUD(HeadsUpDisplay):飞行仪表盘。飞行模拟游戏中的常见词,常提供玩家诸如弹药状况、速度、目标跟踪等作战信息。
InteractiveMovie:交互式电影。Interface:游戏界面。Joypad:游戏手柄。Joystick:游戏操纵杆。Level:关卡。Low-Res:低解析度。
即粗糙的画面显示模式,但运行速度可稍微提高。MotionCapture:动态捕捉。将物体在3D环境中运动的过程数字化的过程。MotionTracker:动作跟踪器。动态捕捉时使用到的设备。
Moves:出招。即格斗游戏中人物的出招技巧。MP(MagicPoint):魔法力。MUD(Multi-userDungeon):俗称“泥巴”。在互联网络上的一种允许多人参与的实时游戏。
NetworkGames:网络游戏。指容许多人通过某种网络协议连线后便能进行集体游戏的游戏种类。NPC(NonPlayerCharacter):非玩者人物。
在角色扮演游戏中,玩者会在游戏过程中遭逢到的所有不受控制的人物。这些人物或会提示重要情报线索,或是无关紧要的人物。Pirate:盗版游戏。Pixel:像素。Platformer:游戏平台。
PlayerKilling:玩者杀手。指在MUD中,专以攻击玩者人物,而不是非玩者人物的一类玩家。Polygon:多角形。运用在2D屏幕中表现3D环境的多角形单位。Prototype:原型制作。
游戏作品的原型制作也就是指以最快的速度制作出游戏的原型,一个可以执行的程序原型。从这些基础程序与基础图形,制作者可以看到从电脑中表现出来的与原来设想的有多大差距,经过调整磨合后就进入了正式动工了。
Puzzle:谜题。在冒险类游戏中,考验玩者智力的谜题。PZL(PuzzleGame):解谜类游戏。Quake-like:三维射击类游戏。Round:回合。
RPG(RolePlayingGame):角色扮演类游戏。RTS(RealtimeStrategyGame):即时战略类游戏。Scaling:缩放比例。
SecondPerson:第二人称视角。即追尾视角,紧随游戏主角的背影。SharewareSoftware:共享软件作品。Side-Scrolling:横向卷轴。
即游戏画面的前景与背景从左向右移动的卷轴模式,常用于2D射击游戏中。SLG(SimulationGame):模拟类游戏。