DEEP NEURAL NETWORKS 日本語 意味 - 日本語訳 - 英語の例文

• ディープニューラルネットワークを
• ディープニューラルネットワーク
• deep neural networks
• ディープ・ニューラル・ネットワーク
• 深層ニューラルネットワーク

英語 での Deep neural networks の使用例とその 日本語 への翻訳

Especially very deep neural networks.
特に、深層学習（neuralnetwork）に関して、。

Using deep neural networks, ALVA looks for patterns in the scores.
ディープニューラルネットワークを用いてAIVAは楽譜に規則性を探します。

Recently many companies released applications that use deep neural networks.
最近、多くの企業がディープニューラルネットワークを使うアプリケーションをリリースしている。

He also envisions personal sensors that deep neural networks could use to predict medical problems.
彼はまた、深い神経ネットワークが医療問題を予測するために使用できる個人センサを想定しています。

Once we had this enormous amount of data, we built and trained deep neural networks.
そうやって膨大なデータが得られたらそれを使ってディープ・ニューラル・ネットワークを訓練します。

For example, someone has yet to explain how deep neural networks actually generated optimal solutions.
たとえば深層ニューラルネットワークがどのようにして最適解を生み出したかは、まだ誰も説明できていません。

Deep Neural Networks(DNNs) are powerful models that have achieved excellent performance on difficult learning tasks.
ディープニューラルネットワーク（DNN）は、難しい学習課題でも優れたパフォーマンスを達成する強力なモデルである。

From 20-25% down to 15% thanks to a technique called Deep Neural Networks.
ディープニューラルネットワーク（DeepNeuralNetworks）と呼ばれる技術のおかげで、20〜25％から15％に減少しました。

Modern deep neural networks, such as those used in self-driving vehicles, require a mind boggling amount of computational power.
自動運転車で使用されるような最近のディープニューラルネットワークでは、膨大な量のコンピューティング能力が要求されます。

When fed large amounts of data, very large or deep neural networks can recognize subtle patterns.
膨大なデータを入力すれば、深層ニューラルネットワークは微妙なパターンを認識できるようになる。

We are particularly interested in exploring how our implementation can be used for the interpretation of deep neural networks.
私たちは特に、私たちの実装がディープニューラルネットワークの解釈にどのように使用できるか興味があります。

Deep neural networks(DNNs) use a series of layers and features to create very accurate and computationally efficient results.
ディープ・ニューラル・ネットワーク(DNN)は、一連の層および特徴を使用し、演算効率の高い方法で非常に高精度な結果を出力します。

The presentation was based on the article“Mastering the game of Go with deep neural networks and tree search“.
Googleの研究グループがNatureに“MasteringtheGameofGowithDeepNeuralNetworksandTreeSearch”という論文を発表した1）。

In contrast, deep neural networks or deep learning algorithms can recognize the accuracy of their predictions on their own.
一方、ディープニューラルネットワーク(ディープラーニングのアルゴリズム)では、ニューラルネットワークが予測精度を自ら認識します。

Convolutional neural networks(CNNs)(Figure 2) are the current state-of-the-art for efficiently implementing deep neural networks for vision.
ビジョン用のディープ・ニューラル・ネットワークを最も効率よく実装できる現在最先端の方式が、CNN(畳み込みニューラル・ネットワーク)です(図2)。

By introducing high-performance deep neural networks in self-driving vehicles, the'motorized society of the future' will come faster than expected.
高性能な深層ニューラルネットワークが自動運転に導入されることで、未来のクルマ社会はより実現が早まるのではないでしょうか。

The announcement was delayed until the publication of a research article titled“Mastering the game of Go with deep neural networks and tree search” in Nature.
Googleの研究グループがNatureに“MasteringtheGameofGowithDeepNeuralNetworksandTreeSearch”という論文を発表した1）。

We then trained two additional ensembles of deep neural networks to predict the future temperature and pressure of the data centre over the next hour.
それから私たちはさらに二つの深層ニューラルネットワークのアンサンブルをデータセンタの一時間後までの将来の温度と圧力データを予測するために訓練しました。

A paper describing the implementation of AlphaGo was published in the journal Nature-‘Mastering the game of Go with deep neural networks and tree search', Nature, Vol.
Googleの研究グループがNatureに“MasteringtheGameofGowithDeepNeuralNetworksandTreeSearch”という論文を発表した1）。

Then they trained two additional ensembles of deep neural networks to predict the future temperature and pressure of the data center over the next hour.
それから私たちはさらに二つの深層ニューラルネットワークのアンサンブルをデータセンタの一時間後までの将来の温度と圧力データを予測するために訓練しました。

Our suite of advanced threat analysis solutions, McAfee Advanced Threat Defense and McAfee Cloud Threat Detection, use deep neural networks to provide advanced malware behavior analysis.
高度な脅威分析ソリューションであるMcAfeeAdvancedThreatDefenseと McAfeeCloudThreatDetectionでは、ディープニューラルネットワークを利用し、高度なマルウェアの動作分析を行います。

Recently, however, the remarkable success of deep neural networks in learning from big data has re-evoked the interests in brain-like artificial intelligence.
しかしながら、最近では、ビッグデータから学習するディープニューラルネットワークの目覚ましい成果は、人工知能に似た脳に、再びスポットライトを当てることになった。

Implementing deep neural networks(Figure 1) in embedded systems can help give machines the ability to visually interpret facial expressions to almost human-like levels of accuracy.
ディープ・ニューラル・ネットワーク(図1)を組込みシステムに実装することにより、機械は人間に匹敵する精度で顔の表情を視覚的に解釈できるようになります。

Processing a large volume of data from thousands of cameras using deep neural networks necessitates a powerful AI accelerator that can provide enough throughput and accuracy.
ディープニューラルネットワークを使用して数千台ものカメラからの膨大なデータを処理するには、十分なスループットと精度を提供できる強力なAIアクセラレータが必要である。

TSPs' investments in AI, data science, deep neural networks(DNNs) and smart assistants are quickly growing as they think about how to make their products and services smarter.
AI、データサイエンス、ディープニューラルネットワーク（DNN）、スマートアシスタントへのTSPの投資は、自社の製品やサービスをよりスマートにする方法を考えるにつれて急速に成長している。

With an unprecedented 320 TOPS of deep learning calculations and the ability to run numerous deep neural networks at the same time, Pegasus will provide everything needed for safe autonomous driving.
前例のない320TOPS(Tera-OperationsPerSecond)のディープラーニング計算と多数のディープニューラルネットワークを同時に実行する能力により、XavierベースのNVIDIADRIVEPegasusは、安全な自動運転に必要なすべてを提供します。

Artificial intelligence, cognitive computing, deep neural networks, augmented intelligence, machine learning, and so many more promising technologies have been in our world for decades.
人工知能、コグニティブコンピューティング、ディープニューラルネットワーク、拡張インテリジェンス、機械学習など、数多くの有望な技術が数十年にわたり私たちの世界で推移してきました。

For more information about the team's work, see“Toward Low-Flying Autonomous MAV Trail Navigation using Deep Neural Networks for Environmental Awareness” or watch their talk at the GPU Technology conference.
同チームの取り組みの詳細については、「TowardLow-FlyingAutonomousMAVTrailNavigationusingDeepNeuralNetworksforEnvironmentalAwareness」をご覧いただくか、GPUテクノロジカンファレンスでのチームによる説明をご覧ください。

Powered by an inertial motion capture suit, deep neural networks and enormous amounts of data, DigiDoug renders the real Doug's emotions(and even how his blood flows and eyelashes move) in striking detail.
慣性センサー式モーション・キャプチャ・スーツとディープ・ニューラル・ネットワークと膨大なデータの力で、デジ・ダグはダグ本人の感情(それに血の流れやまつげの動きまで)を、驚くような精細さで再現します。

Orin is designed to handle the large number of applications and deep neural networks that run simultaneously in autonomous vehicles and robots, while achieving systematic safety standards such as ISO 26262 ASIL-D.
Orinは、自動運転車両やロボットで実行される様々なアプリケーションとディープニューラルネットワークを同時に処理し、また、システムがISO26262ASIL-Dのような安全基準を満たすことが出来るように設計されています。