关于神经网络的英语单词有,神经网络的英文单词

Ann是什么意思

Ann有多种不同释义，具体如下：1、ANN：泰国首席女星安妮·彤帕拉松（AnneThongprasom），1976年11月1日出生于泰国曼谷，演员、制片人。

1989年自荐拍摄了一本杂志；1993年出演《小红猪》，在泰国逐渐为观众所知。

1997年出演《地狱天使》，获得第12届TVGoldAwards最佳女主角，也是她人生第一个最佳女主角；2004年出演电影《情书》，获得了包括รางวัลพระสุรัสวดี（泰国奥斯卡）、娱乐评论家协会奖、国家电影协会奖等奖项的电影类最佳女主角。

2、ANN：英语单词Ann音An，Ann(希伯来)"优雅"，Hannah的英文形式。Ann这个名字让人想到平凡，中等阶级的女子、善良、踏实、勤勉、且憨厚。

3、ANN：人工神经网络ANN是指由大量的处理单元(神经元)互相连接而形成的复杂网络结构，是对人脑组织结构和运行机制的某种抽象、简化和模拟。

人工神经网络（ArtificialNeuralNetwork，简称ANN），以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。

4、ANN：网络含义ANN表示为优雅的，仁慈的上帝，职业女性常用英文名对照及其涵意|e京安妮。

5、ANN：应答不计费信号ANN是应答不计费信号（answersignalwithnocharge）的简称。

参考资料来源：百度百科-ANN：网络含义参考资料来源：百度百科-ANN：英语单词参考资料来源：百度百科-ANN：人工神经网络参考资料来源：百度百科-ANN：泰国首席女星参考资料来源：百度百科-ANN：应答不计费信号。

谷歌人工智能写作项目：神经网络伪原创

跟网络有关的英语单词有哪些

WAN、LAN、B/S、FTP、HTTP等等文案狗。

1、WAN（Wideareanetwork，广域网，指地理上跨越较大范围的跨地区网）2、LAN（Localareanetwork，局域网，地理上局限在小范围，属于一个单位组建的网）3、B/S（Browser/Server，浏览器/服务器，指客户通过浏览器访问服务器的信息）4、FTP（FileTransferProtocol，文件传送协议，用此协议用户通过Internet将一台计算机上的文件传送到另一台计算机上）5、HTTP（HypertextTransferProtocol，超文本传输协议WWW服务程序所用的协议）扩展资料：广域网WAN一般最多只包含OSI参考模型的底下三层，而且大部分广域网都采用存储转发方式进行数据交换，也就是说，广域网是基于报文交换或分组交换技术的（传统的公用电话交换网除外）。

广域网中的交换机先将发送给它的数据包完整接收下来，然后经过路径选择找出一条输出线路，最后交换机将接收到的数据包发送到该线路上去，以此类推，直到将数据包发送到目的结点。

广域网可以提供面向连接和无连接两种服务模式，对应于两种服务模式，广域网有两种组网方式：虚电路（virtualcircuit）方式和数据报（datagram）方式，下面我将分别讨论广域网的两种组网方式，并对它们进行比较。

广域网不同于局域网，它的范围更广，超越一个城市、一个国家甚至达到全球互连，因此具有与局域网不同的特点：1、覆盖范围广通信距离远，可达数千公里以及全球。

2、不同于局域网的一些固定结构，广域网没有固定的拓扑结构，通常使用高速光纤作为传输介质。3、主要提供面向通信的服务，支持用户使用计算机进行远距离的信息交换。

4、局域网通常作为广域网的终端用户与广域网相连。5、广域网的管理和维护相对局域网较为困难。6、广域网一般由电信部门或公司负责组建、管理和维护，并向全社会提供面向通信的有偿服务、流量统计和计费问题。

参考资料：百度百科——广域网。

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。

求翻译两段关于神经网络的英文（我已经用翻译软件翻译了一下）

。

我还是重新帮你译了一遍，希望你能看懂文章Inoneofthelargestapplicationsofneuralnetworktodata,LeCunetal.(1989)haveimplementedanetworkdesignedtoreadzipcodesonhand-addressedenvelopes.Thesystemusesapreprocessorthatlocatesandsegmentstheindividualdigitsinthezipcode;thenetworkhastoidentifythedigitsthemselves.Itusesa16×16arrayofpixelsasinput,threehiddenlayers,andadistributedoutputencodingwith10outputunitsfordigits0-9.Thehiddenlayerscontained768,192,and30units,respectively.Afullyconnectednetworkofthissizewouldcontain200,000weights,andwouldbeimpossibletotrain.Instead,thenetworkwasdesignedwithconnectionsintendedtoactasfeaturedetectors.Forexample,eachunitinthefirsthiddenlayerwasconnectedby25linkstoa5×5regionintheinput.Furthermore,thehiddenlayerwasdividedinto12groupsof64units,eachunitusedthesamesetof25weights.Hencethehiddenlayercandetectupto12distinctfeatures,eachofwhichcanoccuranywhereintheinputimage.Overall,thecompletenetworkusedonly9760weights.【神经网络在数据中的一个最大应用中，LeCun等人在1989年提出了一种从手写信封读取邮编的网络设计方法。

这个系统用一个处理器来定位并划分邮编中的各位数字。网络用来识别各个数字。它使用16像素×16像素的阵列作为输入，包括3个隐层，以及一个分布式输出来译码并与10个代表数字0-9的输出单元相匹配。

3个隐层分别包含768个，192个和30个单元。一个完整链接的网络大约有20万的权重，但是不可以再进行学习。因此取而代之的是，网络中设计了一些可以用作特征检测的链接。

比如，第一个隐层中的每个单元被通过25个链接连到输入中一个5×5的区域。此外，隐层还被区分成12组每组64单元，每个单元使用同样配置的25个权重。

因此隐层一共能够检测12种不同的特征，而且这些特征可能存在于输入图像的任意区域中。总的来说，整个网络只需要用到9760个权重。

】etal.是论文中多作者时表示省略的用法Thenetworkwastrainedon7300examples,andtestedon2000.Oneinterestingpropertyofanetworkwithdistributedoutputencodingisthatitcandisplayconfusionoverthecorrectanswerbysettingtwoormoreoutputunitstoahighvalue.Afterrejectingabout12%ofthetestsetasmarginal,usingaconfusionthreshold,theperformanceontheremainingcasesreached99%,whichwasdeemedadequateforanautomatedmail-sortingsystem.ThefinalnetworkhasbeenimplementedincustomVLSI,enablingletterstobesortedathighspeed.【(设计的)网络通过了7300多个实例的学习，并且在2000个实例中进行了验证。

具有分布式输出译码的网络的一个有趣的性质是，它能够通过将2个或多个单元设置为“高”来显示对识别正确结果的“困惑”（其实个人理解这里就是一个值，这个值到了一定水平就表示识别不出来了）。

在设置12%误判率作为测试成败的分界点后，使用一个“困惑阈值”，省下的实例的辨别率高达99%，这在邮件自动分拣系统中已经切实达到要求了。

最终的网络被通过定制好的VLSI(超大规模集成电路)实现，并且能完成邮件的高速分拣。】希望回答对你有帮助。

初二英语

。

ItisSundayisshoppingwithhermother.Shewantshermothertobuyanewsweaterforher.Inaclothingshop,shefindsanorangeone.Shetriesiton.It’stoosmall.Shewantsabiggerone,butthebiggeronesarenotorange.Anndoesn’tlikeothercolours.Hermotherasks,“Shallwegotoanothershoptohavealook?”Sotheygooutofthisshopandintoanother.Thesecondshopismuchbiggerthanthefirst,andinittherearemanykindsofsweatersofdifferentsizesandcolours.Anntriesonorangeone.It’stoobig.Shetriesasmallerone.It’sOK.“Howmuchisit”Ann’smotherasksthewomanwhosellsclothes.Thentheyfindittoodear,andtheydon’thavesomuchmoneywiththem.“Wouldyoulikeacheaperone?”thewomanasks.“No,weshalltakethisone.Mydaughterlikesit.Weshallcomebacktobuyittomorrow.”Ann’smotheranswers.今天是星期天，Ann和妈妈一起去购物，她想让妈妈给她买一件新羊毛衫。

在一家服装店里，她看到了一件黄色的，试穿后觉得有点小，她想找一件大点的，可是大点的没有黄色的，Ann不想要其它颜色的。她妈妈问她，我们要不要去其他店里看看？

于是她们离开了这家服装店去了另外一家，这家店有比刚才那家店大的，而且有很多不同种类、尺寸、颜色的。Ann试穿了一件黄色的，但有点大。她又试了一件小点的，这件正合适。Ann的妈妈问女店员：‘这件多少钱？

’她们觉得太贵了，而且她们带的钱不够。这个女店员问：‘你们是想要件便宜点的吗？’Ann的妈妈说：‘不，我女儿喜欢这件，我们明天再来买’。