NEURAL 中文是什么意思 - 中文翻译

• 神经

在 印度尼西亚 中使用 Neural 的示例及其翻译为 中文

Selain itu untuk pengenalan huruf dapat juga menggunakan neural network.
但以我所知，那還是用neuralnetwork。

Neural network bisa mempelajari banyak hal dengan menganalisis sejumlah besar data.
神经网络可以通过分析大量的数据来进行学习。

Lalu apa alasan kenapa kita harus menggunakan activation function pada neural networks?
那么在神经网络为什么要使激活函数？?

Pekerjaan awal dengan jaringan neural membangkitkan kegembiraan untuk mesin berpikir.
神经网络的早期工作激起了“思维机器”的兴奋。

File yang berkaitan dengan machine learning, seperti parameter terlatih atau definisi struktur jaringan neural.
与机器学习相关的文件，例如训练的参数或神经网络结构定义。

Terkadang neural network dapat bekerja lebih baik dari mata manusia untuk aplikasi tertentu.
神经网络有时会在特定应用中超过人眼的表现。

AI mencapai keakuratan mengagumkan melalui jaringan neural mendalam- yang sebelumnya tidak dimungkinkan.
人工智能通过深度神经网络达到令人难以置信的准确度-这在以前是不可能的。

The A12's Neural Engine memiliki delapan inti sedangkan A11 hanya memiliki dua inti.
A12的神经引擎有多达8个核心，而A11只有双核神经引擎。

Ketika kita menghitung berkat kita, bagian otak ini memberi kita mata uang neural ini yang membuat kita semakin kaya".
当我们数着我们的祝福时，大脑的这一部分给了我们这个神经货币，使我们更加丰富…”.

Terkadang neural network dapat bekerja lebih baik dari mata manusia untuk aplikasi tertentu.
有时，对于某些应用，神经网络甚至可以超过人眼的性能。

Pada tahun 2013, Google mulai bekerja pada teknologi identifikasi bahasa lisan( LangID) menggunakan deep neural network[ 4][ 5].
在2013年，Google开始使用深度神经网络[4][5]来研究口语识别(LangID)技术。

Facebook menggunakan jaringan neural untuk menerjemahkan sekitar 2 miliar postingan pengguna per harinya dalam lebih dari 40 bahasa.
脸书每天利用神经网络来翻译超过40种语言的大约20亿的用户帖子。

Dalam ilmu kognitif, ini dikenal sebagai catastrophic forgetting,' yang dianggap sebagai salah satu keterbatasan mendasar dari jaringan neural.
这种现象在认知科学中被称为“灾难性遗忘”，并且被认为是神经网络的基本局限之一。

Kombinasi unik dari neural networks dan kecerdasan buatan membantu kamu mengubah kenangan sesaat menjadi sebuah seni yang abadi.
一个独一无二的结合神经网络和人工智能可以帮助你把难忘瞬间变成永恒的艺术。

Dalam ilmu kognitif, ini dikenal sebagai catastrophic forgetting,' yang dianggap sebagai salah satu keterbatasan mendasar dari jaringan neural.
这种现象在认知科学领域被称为‘灾难性遗忘（catastrophicforgetting）'，这也被认为是神经网络的基本限制之一。

Dengan demikian, neural network dapat mengenal berbagai spesies kucing, atau model mobil atau bahkan pesawat hanya dari gambar.
因此神经网络可以从图像中识别出不同种类的猫，或是不同型号的汽车和飞机。

Hal-hal yang dapat dilakukan RNN dapat Anda baca misalnya di artikel Andrej Karpathy The Unreasonable Effectiveness of Recurrent Neural Networks.
关于RNNs在这些方面取得的惊人成功，大家可以看AndrejKarpathy的博客：TheUnreasonableEffectivenessofRecurrentNeuralNetworks.

DeepMind juga melatih dua deep neural network lain untuk memperkirakan suhu dan tekanan dalam waktu beberapa jam ke depan.
此外，Deepmind还训练了两个额外的深层神经网络，以预测未来数小时数据中心的温度和压力。

Kami melalui masa-masa gelap pada periode pertengahan 90- an hingga pertengahan 2000, saat dimana penelitian tentang jaringan neural tak mungkin dilanjutkan, karena taka da yang tertarik untuk mendanainya, ujar LeCun.
在90年代中期和21世纪中期之间出现了一个黑暗时期，当时不可能发表关于神经网络的研究，因为社区已经对它失去了兴趣，LeCun说。

Penerjemahan dengan memanfaatkan teknologi neural network machine translation NMT dan teknologi pemrosesan bahasa alami NLP membuat akurasi terjemahan hingga 97%.
神经网络机器翻译NMT技术和自然语言处理技术NLP让翻译准确率高达97%。

Berhubung banyak skenario di-perangkat yang memerlukan kinerja real-time, kami juga sedang mengerjakan Neural Network API baru yang bisa dimanfaatkan TensorFlow untuk mempercepat komputasi.
由于许多设备情景都需要实时性能，我们也在开发一款全新的NeuralNetworkAPI，TensorFlow可以利用此API加快计算速度。

Seperti model ngram, neural bag-of- words( BoW) dan RNN language( RNN-LM), belajar memprediksi kata berikutnya yang dikondisikan berdasarkan urutan kata awal.
Ngram、神经词袋(BoW)和RNN语言(RNN-LM)等典型的语言生成模型基于前面的单词序列学习预测下个单词。

Sepanjang dua bulan pertama bayi anda, seribu neural synapses- jalur yang terbentuk dari kenangan pengalaman- tumbuh di dalam otaknya.
在你宝宝的每一个月的每一秒钟，1000个神经突触--从经验记忆中形成的通路--在她的大脑中生长。

Dalam neural machine translation, sistem dilatih dengan teks dalam jumlah besar dalam satu bahasa dan terjemahannya dalam bahasa lain, untuk menciptakan model untuk pergerakan di antara kedua bahasa.
在神经机器翻译中，使用一种语言的大量文本和另一种语言的相应译文来训练系统，以创建一个能够在两种语言之间相互翻译的模型。

Sejak saat itu, kapanpun Anda mengatakan" OK Google" atau" Hey Google" ke perangkat Google Home Anda, neural network akan membandingkan suara tersebut dengan analisis suara sebelumnya, sehingga dapat mengidentifikasi orang yang berbicara.
然后，任何时候对GoogleHome说“OkGoogle”或“HeyGoogle”，神经网络就将声音与以前的分析比较，理解是谁在说话。

Saya mencurigai model neural network ini memiliki masalah overfitting( fenomena neural network di mana model yang dilatih hanya sesuai pada dataset yang terbatas) karena jumlah gambar pelatih yang kurang banyak.".
我怀疑神经网络模型由于训练图像的数量不够，存在“过度拟合”的问题（神经网络中的现象：模型被训练得只适于少量的训练数据）。

Neural networks adalah tingkatan variable yang menyesuaiakan diri dengan sifat dari data yang mereka dapat dalam pelatihan dan menjadikannya mampu melakukan tugas seperti mengklasifikasikan gambar dan mengkonversi suara ke dalam teks.
神经网络是一层层的变量，它们可以根据自己所训练的数据的属性进行调整，并能够执行诸如对图像进行分类以及将语音转换为文本之类的任务。

Dalam advanced machine learning, deep neural nets( DNN) bergerak melampaui komputasi klasik dan manajemen informasi untuk menciptakan sistem yang secara mandiri dapat belajar untuk melihat dunia dengan sendirinya.
深度机器学习当中，深层神经网络（DNNs）超越经典计算和信息管理来创建可以自主学习感知世界的系统。

Dalam advanced machine learning, deep neural nets( DNN) bergerak melampaui komputasi klasik dan manajemen informasi untuk menciptakan sistem yang secara mandiri dapat belajar untuk melihat dunia dengan sendirinya.
在先進機器學習方面，深度神經網路（DeepNeuralNets,DNNs）超越了典型運算與資訊管理技術，創造出能獨力自主學習如何理解各種事物的系統。

Melalui jutaan contoh, jaringan Neural tiruan belajar untuk menyempurnakan kekuatan koneksi mereka sampai mereka mencapai keadaan sempurna yang memungkinkan mereka menyelesaikan tugas dengan akurasi tinggi- apakah itu mengidentifikasi wajah atau menerjemahkan bahasa.
通过数以百万计的例子，人工神经网络学会了微调它们的连接强度，直到它们达到完美的状态，让它们能够准确地完成任务--可能是人脸识别或翻译语言。