神经网络用英文怎么说,神经网络的英文是什么

神经网络的英文翻译

。

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)。

模式识别跟神经网络英文怎么说

AI爱发猫 www.aifamao.com。

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。

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。

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。

网络的英文怎么说

"网络"的英文是：Network。

Network英 ['netwɜːk]  美 ['nɛtwɝk]n.网络；广播网；网状物短语：Networktopology 网络拓扑; [计] 网络拓扑结构; [计] 网络布局;网路拓朴CartoonNetwork 卡通频道;卡通网络;卡通电视网;动画频道Starnetwork 星型网; [电] 星形网络;星型网络; [计] [通信] 星状网例句：But whataboutalltheir“friends” on the network?但是，他们在该网络上的朋友怎么办？

So they only create network traffic for no good reason.因此他们只创建网络通信没有充分的理由。

I wantto upload data to the computer network storage from myoffice computer.我想将资料从办公室电脑转送到计算机中心网络的储存中。

network，是NetworkAssociates公司的E-policy反病毒套装的一部分。

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。

高手帮我翻译一下计算机专业英语

原始代码包含所有命令并且评论被用于的程序员编码软件。目标代码是机器语言的计算机用途运行您的节目。程序员需要跑装配语言通过装配翻译它成机器语言。一些高级语言也需要被翻译。

编译器同时翻译高级编程语言成机器语言。A被构造的决定是您通过申请惯例做的一个。您操作正确的数字时尚并且到达正确回答总是。一个无特定结构的决定是没有保证的方式得到一个精确正确答案的一个。

也许有许多正确答案，并且没有神火的方式到达任何他们中的一个。An专家系统，也称一个专门知识系统，是申请推理能力得出结论的一个人工智能系统。一个神经网络是能够学会如何区分样式的一个人工智能系统。

一种基因算法是仿造演变的一个人工智能系统，引起越来越更好的解答的适者生存过程对问题。模糊逻辑是处理不精确或主观信息的一个数学方法。

The在SDLC的六个阶段是：调查、分析、设计、建筑、实施和支持。在第一阶段，我们必须估计所有最初的可行性。时间可行性评估确定您的组织是否可能开发提议系统，当遇见某些最后期限时。

一个技术可行性评估确定您的组织是否得以进入对或可能获取提议系统的必要的硬件和软件。一个财政可行性评估确定您的组织是否有开发的充足的资源提议系统，并且那些资源的总成本是否属于分配的预算。

神经网络方面的翻译，望个位英语能人帮下忙，麻烦了

在评估了大量的NN后，最理想的ANN结构由四层构成，在第一和第二隐藏层中分别有八和五个神经元（图4）。

这四层的测量和活化功能分别为线性[-1；1]，tanh15，逻辑对称，逻辑对称[见Ehns(3)-(8)]。对于ANN中的所有神经元来说，比率和动量都为0.1，原始重量为0.3。

观察到的和预测的稻子干燥(ricedrying)的性能指标如图5所示。对于预测的误差的分析在表格1中。六个输出量的MRE差别在2.0%和8.3%之间（对于Kc）(表格1)。

只有Kc的预测是MRE大于5%的。其余的五个预测在55%以内。这表明了ANN预测的可靠性。图五表明对于六项输出量来说ANN预测严格遵循了观察到的数据。在尝试19中，所有的输出量都有大的误差。

这可能由大的实验误差造成。对于能量消耗E预测来说，二十六组实验数据中的三组存在大的误差。

相似地，谷粒爆裂（kernelcracking）Kc预测中，四组数据出现大的误差；最后的湿度含量Mf预测中，两组数据出现大的误差。如果去除第19组数据，预测误差将被进一步降低。

对于预测误差的分析和预测与观察到的性能指标的作图（图5），我们可以清楚地看到预测和观察到的数值之间的吻合。。。。我尽力了，如果有你看不懂的地方，你发信息问我吧。。。

我可以用大白话表达一下我想说的是什么。。。还有，我把翻译得不确定的单词写在括号里了。