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

。

patternrecognitionneuralnetwork供你参考：模式model;module;pattern;schema模式被输截入缩合input-truncatedcondensation模式变化modechange模式变换modeconversion;modechange模式辨认patterndiscrimination;patternrecognition模式辨识patternidentification模式标本typespecimen模式标识符modeidentifier模式操作编辑序列patternoperationeditingsequence模式操作符patternoperator模式操作数patternoperand模式操作字符patternoperator模式处理语句patternhandlingstatement模式传递函数modetransferfunction模式串patternstring模式纯度modepurity模式存储器modememory模式大气modelatmosphere模式的解释interpretationofscheme模式定义mode-definition模式反应堆prototypereactor模式范畴category;schemacategory模式分隔modeseparation模式分类patternclassification模式分类器patternclassifier模式分析modalanalysis;patternanalysis模式符号modesymbol模式过敏故障patternsensitivefault模式函数modefunction;patternfunction模式核对语句patternmatchingstatement模式核对运算patternmatchingoperation模式花样modepattern模式化hipping模式化记号hiptoken模式混合器modemixer模式基元patternprimitive模式激励器modeexciter模式集setofpatterns模式简并modedegeneracy模式鉴别干涉仪mode-discriminatinginterferometer模式结构modeconfiguration模式解释interpretationofscheme模式精神病modelpsychosis模式竞争modecompetition模式菌株typestrain模式空间中的半平面halfplaneinthepatternspace模式控制modecontrol模式理论patterntheory模式林normalforest模式令级分配normalage-class模式令级序列normalseriesofagegradations模式轮廓modeenvelope模式弥散modaldispersion模式描述patterndescription模式描述语言patterndescriptionlanguage;schemadescriptionlanguage模式名schemaname模式模拟器modesimulator模式母树枝normalseedstand模式培养typeculture模式匹配patternmatching模式偏差modeldeviation模式频谱modespectrum模式牵引modepulling模式牵引效应modepullingeffect模式色散modedispersion模式生长量normalincrement模式生成patterngeneration。

谷歌人工智能写作项目：小发猫

神经网络的英文翻译

rfid。

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）！

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。

人工神经网络英文怎么写

。

人工神经网络英文翻译如下：artificialneuralnetwork双语例句：1、Thispaperdiscussedtheapplicationofartificialneuralnetworkattheresistancespotweldingofaluminumalloy.针对铝合金的电阻点焊，研究了人工神经网络在点焊质量估测中的应用。

2、Inthepaper,datapreparativeandArtificialNeuralNetworkparameterinDMisdiscussedmainly.在论文中，着重考虑了人工神经网在数据挖掘中的数据准备问题、网络参数的选取问题等等。

3、Artificialneuralnetworkanditsapplicationinnearinfraredspectroscopyarepresentedinbrief.简要介绍了人工神经网络及其在近红外光谱分析中的应用。

FMS在医学界的定义

自20世纪80年代以来，在工业化国家中，柔性制造系统（FMS）作为迈向工厂自动化的第一步，已获得了实际的应用。

柔性制造系统是一个由计算机集成管理和控制的、用于高效率地制造中小批量多品种零部件的自动化制造系统，它的应用圆满地解决了机械制造高自动化和高柔性之间的矛盾。

一般情况下，只有品种单一、批量大、设备专用、工艺稳定、效率高的生产，才能形成规模经济效益；反之，多品种、小批量生产，设备的专用性低，在加工形式相似的情况下，频繁调整工夹具，工艺稳定难度增大，生产效率势必受到影响。

为了同时提高制造工业的柔性和生产效率，使之在保证产品质量的前提下缩短产品生产周期，降低产品成本，最终使中小批量生产能与大批量生产抗衡，柔性自动化系统便应运而生。

一、优点1、设备利用率高一组机床编入柔性制造系统后，产量比这组机床分散单机作业时的产量提高数倍。2、在制品减少采用柔性自动化系统可使在制品减少80%左右。

3、生产能力相对稳定4、运行灵活5、产品应变能力强二、构成1、自动加工系统2、物流系统物流系统指由多种运输装置构成，如传说带、轨道、转盘以及机械手等，完成工件、刀具等的供给与传送的系统，它是柔性制造系统的主要级成部分。

3、信息系统4、软件系统软件系统指保证柔性制造系统用电子计算机进行有效管理所必不可少的组成部分，包括设计、规划、生产控制和系统监督等软件。

柔性制造系统适合于年产量1000~100000件之间的中小批量生产。三、类型1、柔性制造单元（FMC）柔性制造单元是在制造单元的基础上发展起来的具有柔性制造系统部分特点的一种单元。

通常由1~3台具有零件缓冲区、刀具换刀及托板自动更换装置的数控机床或加工中心与工件储存、运输装置组成，具有适应加工多品种产品的灵活性和柔性，可以作为FMS的基本单元，也可将其视一个规模最小的FMS，是FMS向廉价化及小型化方向发展的产物。

2、柔性自动生产线柔性自动生产线是把多台可以调整的机床（多为专用机床）连接起来，配以动运送装置组成的生产线。该生产线可以加工批量较大的不同规格零件。

柔性程度低的柔性自动生产线在性能上接近大批量生产用的自动生产线；柔性程度高的柔性自动生产线接近于小批量、多品种生产用的柔性制造系统。

3、柔性制造工厂（FMF）FMF是将多条FMS连接起来，配以自动化立体仓库，用计算机系统进行联系，采用从订货、设计、加工、装配、检验、运送至发货的完整FMS。

它包括了作业柔性（CAD/CAM），并使用计算机集成制造系统，实现生产系统柔性化自动化。四、关键技术1、计算机辅助设计2、模糊控制技术模糊数学的实际应用是模糊控制器。

最近开发出的高性能模糊控制器具有自学习功能，可在控制过程中不断获取新的信息并自动地对控制量做调整，使系统性能大为改善。

3、人工智能、专家系统及智能传感器技术FMS中所采用的人工智能大多指基于规则的专家系统。

4、人工神经网络技术柔性制造系统是由统一的信息控制系统、物料储运系统和一组数字控制加工设备组成，能适应加工对象变换的自动化机械制造系统，英文缩写为FMS。

FMS的工艺基础是成组技术，它按照成组的加工对象确定工艺过程，选择相适应的数控加工设备和工件、工具等物料的储运系统，并由计算机进行控制，故能自动调整并实现一定范围内多种工件的成批高效生产(即具有“柔性”)，并能及时地改变产品以满足市场需求。

FMS兼有加工制造和部分生产管理两种功能，因此能综合地提高生产效益。FMS的工艺范围正在不断扩大，可以包括毛坯制造、机械加工、装配和质量检验等。

80年代中期投入使用的FMS，大都用于切削加工，也有用于冲压和焊接的。

采用FMS的主要技术经济效果是：能按装配作业配套需要，及时安排所需零件的加工，实现及时生产，从而减少毛坯和在制品的库存量，及相应的流动资金占用量，缩短生产周期；提高设备的利用率，减少设备数量和厂房面积；减少直接劳动力，在少人看管条件下可实现昼夜24小时的连续“无人化生产”；提高产品质量的一致性。

1967年，英国莫林斯公司首次根据威廉森提出的FMS基本概念，研制了“系统24”。

其主要设备是六台模块化结构的多工序数控机床，目标是在无人看管条件下，实现昼夜24小时连续加工，但最终由于经济和技术上的困难而未全部建成。

同年，美国的怀特·森斯特兰公司建成OmnilineI系统，它由八台加工中心和两台多轴钻床组成，工件被装在托盘上的夹具中，按固定顺序以一定节拍在各机床间传送和进行加工。

这种柔性自动化设备适于少品种、大批量生产中使用，在形式上与传统的自动生产线相似，所以也叫柔性自动线。日本、前苏联、德国等也都在60年代末至70年代初，先后开展了FMS的研制工作。

1976年，日本发那科公司展出了由加工中心和工业机器人组成的柔性制造单元(简称FMC)，为发展FMS提供了重要的设备形式。

柔性制造单元(FMC)一般由1～2台数控机床与物料传送装置组成，有独立的工件储存站和单元控制系统，能在机床上自动装卸工件，甚至自动检测工件，可实现有限工序的连续生产，适于多品种小批量生产应用。

70年代末期，FMS在技术上和数量上都有较大发展，80年代初期已进入实用阶段，其中以由3～5台设备组成的FMS为最多，但也有规模更庞大的系统投入使用。

1982年，日本发那科公司建成自动化电机加工车间，由60个柔性制造单元（包括50个工业机器人）和一个立体仓库组成，另有两台自动引导台车传送毛坯和工件，此外还有一个无人化电机装配车间，它们都能连续24小时运转。

这种自动化和无人化车间，是向实现计算机集成的自动化工厂迈出的重要一步。与此同时，还出现了若干仅具有FMS基本特征，但自动化程度不很完善的经济型FMS，使FMS的设计思想和技术成就得到普及应用。

典型的柔性制造系统由数字控制加工设备、物料储运系统和信息控制系统组成。加工设备主要采用加工中心和数控车床，前者用于加工箱体类和板类零件，后者则用于加工轴类和盘类零件。

中、大批量少品种生产中所用的FMS，常采用可更换主轴箱的加工中心，以获得更高的生产效率。

储存和搬运系统搬运的的物料有毛坯、工件、刀具、夹具、检具和切屑等；储存物料的方法有平面布置的托盘库，也有储存量较大的桁道式立体仓库。

毛坯一般先由工人装入托盘上的夹具中，并储存在自动仓库中的特定区域内，然后由自动搬运系统根据物料管理计算机的指令送到指定的工位。

固定轨道式台车和传送滚道适用于按工艺顺序排列设备的FMS，自动引导台车搬送物料的顺序则与设备排列位置无关，具有较大灵活性。

工业机器人可在有限的范围内为1～4台机床输送和装卸工件，对于较大的工件常利用托盘自动交换装置(简称APC)来传送，也可采用在轨道上行走的机器人，同时完成工件的传送和装卸。

磨损了的刀具可以逐个从刀库中取出更换，也可由备用的子刀库取代装满待换刀具的刀库。车床卡盘的卡爪、特种夹具和专用加工中心的主轴箱也可以自动更换。

切屑运送和处理系统是保证FMS连续正常工作的必要条件，一般根据切屑的形状、排除量和处理要求来选择经济的结构方案。FMS信息控制系统的结构组成形式很多，但一般多采用群控方式的递阶系统。

第一级为各个工艺设备的计算机数控装置(CNC)，实现各的口工过程的控制；第二级为群控计算机，负责把来自第三级计算机的生产计划和数控指令等信息，分配给第一级中有关设备的数控装置，同时把它们的运转状况信息上报给上级计算机；第三级是FMS的主计算机(控制计算机)，其功能是制订生产作业计划，实施FMS运行状态的管理，及各种数据的管理；第四级是全厂的管理计算机。

性能完善的软件是实现FMS功能的基础，除支持计算机工作的系统软件外，数量更多的是根据使用要求和用户经验所发展的专门应用软件，大体上包括控制软件(控制机床、物料储运系统、检验装置和监视系统)、计划管理软件(调度管理、质量管理、库存管理、工装管理等)和数据管理软件(仿真、检索和各种数据库)等。

为保证FMS的连续自动运转，须对刀具和切削过程进行监视，可能采用的方法有：测量机床主轴电机输出的电流功率，或主轴的扭矩；利用传感器拾取刀具破裂的信号；利用接触测头直接测量刀具的刀刃尺寸或工件加工面尺寸的变化；累积计算刀具的切削时间以进行刀具寿命管理。

此外，还可利用接触测头来测量机床热变形和工件安装误差，并据此对其进行补偿。柔性制造系统按机床与搬运系统的相互关系可分为直线型、循环型、网络型和单元型。

加工工件品种少、柔性要求小的制造系统多采用直线布局，虽然加工顺序不能改变，但管理容易；单元型具有较大柔性，易于扩展，但调度作业的程序设计比较复杂。

柔性制造系统未来将向发展各种工艺内容的柔性制造单元和小型FMS；完善FMS的自动化功能；扩大FMS完成的作业内容，并与计算机辅助设计和辅助制造技术(CAD/CAM)相结合，向全盘自动化工厂方向发展。

什么是神经网络控制

神经网络控制技术是一项复杂的系统控制技术，一般应用在变频器的控制中，它是通过对系统的辨识、运算后对变频器进行控制的一种新技术。

而且神经网络控制可以同时控制多个变频器，所以应用在多个变频器级联控制中比较合适。

什么是神经网络控制技术

神经网络控制技术是一项复杂的系统控制技术，一般应用在变频器的控制中，它是通过对系统的辨识、运算后对变频器进行控制的一种新技术。

而且神经网络控制可以同时控制多个变频器，所以应用在多个变频器级联控制中比较合适。

这段英文怎么翻译，关于神经网络的英文文献摘要 200

。

专业词汇很多，如果可以的话，建议自己根据百度翻译的结果，自己调整一下语序，或者找个相关专业的给你翻译一下，用翻译软件直接翻译的是不行的翻，附百度翻译结果：文章考虑了时变离散和分布时变时滞的细胞神经网络时滞相关鲁棒稳定性。

基于Lyapunov稳定性理论和线性矩阵不等式（LMI）技术，时滞相关的稳定性判据推导出的线性矩阵不等式避免边界某些交叉项，这往往导致停滞。在数值例子中示出的建议的稳定性判据和改进现有的结果的有效性。

尤其是当中的基于Lyapunov稳定性理论和线性矩阵不等式（LMI）技术，时滞相关的稳定性判据推导出的线性矩阵不等式避免边界某些交叉项，这往往导致停滞。