Examples of using Artificial neural in English and their translations into Hebrew
{-}
-
Colloquial
-
Ecclesiastic
-
Computer
-
Programming
Artificial Neural Networks for Beginners.
רשת עצבית מלאכותית למתחילים.Of particular interest are the algorithms based on artificial neural networks.
העניין הוא שמדובר במערכות בינה מלאכותית שמבוססות על רשתות עצבים מלאכותיות.Artificial neural networks follow this principle.
רשתות עצבים מלאכותיות מאומנות לפי אותו עיקרון.To prove their claim, the two psychologists turned to artificial neural networks.
כדי להוכיח את טענתם פנו שני הפסיכולוגים אל תחום רשתות הנוירונים המלאכותיים.Artificial neural networks actually try to imitate the brain's activity.
למעשה, רשתות הנוירונים המלאכותיות מנסות לחקות את פעילות המוח.The feedforward neural networkwas the first and simplest type of artificial neural network.
רשתות זרימה קדימה היוהסוג הראשון והפשוט ביותר של רשתות נוירונים מלאכותיות[2].Banks have been using artificial neural network systems a lot longer than most people would realize.
הבנקים משתמשים במערכות רשת עצביות מלאכותיות הרבה יותר מכפי שרוב האנשים יודעים.In the late 1980s,backgammon programmers found more success with an approach based on artificial neural networks.
בסוף שנות ה- 80,מתכנתי שש בש הצליחו יותר בעזרת גישות המבוססות על רשת עצבית מלאכותית.Artificial neural networks loosely inspired by our own visual cortex look through surveillance cameras and try to make sense of what they are seeing.
רשתות עצביות מלאכותיות, בהשראה רופפת של קליפת המוח שלנו, צופות דרך מצלמות מעקב ומנסות להבין מה הן רואות.The feedforward neural networks are the first andarguably simplest type of artificial neural networks devised.
רשתות זרימה קדימה היוהסוג הראשון והפשוט ביותר של רשתות נוירונים מלאכותיות[2].Therefore, artificial neural networks are doted of distributed information processing systems, enabling the process and the learning from experiential data.
לכן, רשתות עצביות מלאכותיות הן יחידות של מערכות עיבוד מידע מבוזר, מה שמאפשר את התהליך ואת הלמידה מנתונים חווייתיים.The feed forward neural network was the first andarguably most simple type of artificial neural network devised.
רשתות זרימה קדימה היוהסוג הראשון והפשוט ביותר של רשתות נוירונים מלאכותיות[2].Artificial neural networks already run our internet search engines, digital assistants, self-driving cars, Wall Street trading algorithms, and smart phones.
רשתות עצביות מלאכותיות כבר מפעילות את מנועי החיפוש של האינטרנט, עוזרות דיגיטליות, מכוניות נהיגה עצמית, אלגוריתמים של מסחר בבורסה, וטלפונים חכמים.Immune network algorithms have been used in clustering, datavisualization, control, and optimization domains, and share properties with artificial neural networks.
אלגוריתמים רשת החיסון משומשים בהתאספות, ראית מידע, שליטה,ואופטימיזציה של תחומים וחולקים תכונות עם רשתות עצביות מלאכותיות.Rumelhart and McClelland were psychologists in their training andcame to the field of artificial neural networks not from computer science, but from the study of human language.
רומלהארט ומק'לילנד היו פסיכולוגים בהכשרתם,והגיעו אל תחום רשתות הנוירונים המלאכותיים מכיוון שונה לגמרי ממדעי המחשב, והוא- חקר השפה האנושית.In basing the artificial neural network on the brain's central nervous system, the team says it was able to compartmentalize the processing of data, resulting in less congestion and significantly improved energy efficiency.
בבסיס הרשת העצבית המלאכותית על מערכת העצבים המרכזית של המוח, הצוות אומר כי הוא היה מסוגל להפיג את עיבוד הנתונים, וכתוצאה מכך פחות גודש ושיפור משמעותי באנרגיה.Computers are already extremely good at detecting objects in static images, thanks to deep learning techniques,which use artificial neural networks to process complex image information.
מחשבים כבר טובים מאוד באיתור עצמים בתמונות סטטיות, הודות לטכניקות למידה עמוקות,המשתמשות ברשתות עצביות מלאכותיות כדי לעבד מידע על תמונות מורכבות.By exploiting the potential of artificial neural networks based on multiple levels, connections and directions of data propagation, it is possible to carry out services and implement applications in a way that would have been unthinkable only a few years ago.
ניצול הפוטנציאל של רשתות עצביות מלאכותית המבוססות על הרבה רמות, קשרים וכיוונים של הפצת נתונים, מאפשר לבצע שירותים ולהטמיע יישומים בדרך שעד לפני שנים בודדות נחשבה לבלתי אפשרית.The features in Banerji and colleagues' machine learning model were more complex than those in my toy example- for example, she used features like“de Vaucouleurs fit axial ratio”- and her model was not logistic regression,it was an artificial neural network.
התכונות ב- Banerji et al.(2010) מודל למידה המכונה היה יותר מורכב מאלו הצעצוע שלי למשל-למשל, נהגו תכונות כמו"דה ווקולר להתאים יחס צירי"-ואז המודל שלה היה לא רגרסיה לוגיסטית,זה היה רשת עצבית מלאכותית.In fact, the activity across the brains of all these people wasso correlated that we're able to train an artificial neural network to predict whether or not people are experiencing awe to an accuracy of 75 percent on average, with a maximum of 83 percent.
למעשה, הפעילות במוח כולו של אנשים אלה כלכך תואמת שיכולנו לאמן רשת נוירולוגית מלאכותית לחזות האם או אם לא, אנשים חווים חוויה של פליאה, בדיוק של 75% בממוצע, ובמקסימום של 83 אחוזים.This is why CI experts work on the development of artificial neural networks based on the biological ones, which can be defined by 3 main components: the cell-body which processes the information, the axon, which is a device enabling the signal conducting, and the synapse, which controls signals.
זו הסיבה שבגללה מומחי בינה חישובית החלו לעבוד על הפיתוח של רשתות עצביות מלאכותיות המבוססות על רשתות Without internal layers, though, Minsky and Papert determined that artificial neural networks are limited to performing simple tasks such as identifying basic shapes and can never be used to perform more demanding tasks like facial recognition.
ללא שכבות פנימיות, קבעו מינסקי ופאפרט, רשתות נוירונים מלאכותיים מוגבלות לביצוע משימות פשוטות כגון זיהוי צורות בסיסיות ולעולם לא נוכל להעזר בהן כדי לבצע משימות תובעניות יותר, כגון זיהוי פרצופים למשל.The feedforward neural network was the first andsimplest type of artificial neural network devised[2]. In this network, the information moves in only one direction, forward, from the input nodes, through the hidden nodes(if any) and to the output nodes. There are no cycles or loops in the network.[1].
רשתות זרימה קדימה היוהסוג הראשון והפשוט ביותר של רשתות נוירונים מלאכותיות 2ברשת כזו, המידע זורם רק בכיוון אחד, קדימה, מצמתי הקלט, דרך הצמתי החבויים(באם קיימים) אל צמתי הפלט, ללא מעגלים או לולאות עצמיות.[1].Parallel to this are the"scruffy", or"connectionist", approaches, of which artificial neural networks are the best-known example, which try to"evolve" intelligence through building systems and then improving them through some automatic process rather than systematically designing something to complete the task.
הגישה המקבילה היא ה"בלגניסטית", או ה"קישורית", שרשתות נוירונים מלאכותיות הן הדוגמה הטובה ביותר שלה, המנסות"לפתח" תבונה על ידי בניית מערכות ושיפור שלהן בעזרת תהליך אוטומטי כלשהו, במקום לתכנן מראש מערכת שתשלים את המשימה.Parallel to this are the"scruffy", or"connectionist", approaches, of which artificial neural networks are the best-known example, which try to"evolve" intelligence through building systems and then improving them through some automatic process rather than systematically designing something to complete the task.
הגישה המקבילה היא ה"בלגניסטית", או ה"קישורית", שרשתות נוירונים מלאכותיות הן הדוגמה הטובה ביותר שלה, המנסות"לפתח" תבונה על ידי בניית מערכות ושיפור שלהן בעזרת תהליך סטטיסטי כלשהו, במקום לתכנן מראש מערכת שתשלים את המשימה.The fuzzy logic whichenables the computer to understand natural language, artificial neural networks which permits the system to learn experiential data by operating like the biological one, evolutionary computing, which is based on the process of natural selection, learning theory, and probabilistic methods which helps dealing with uncertainty imprecision.
לוגיקה עמומה מאפשרתלמחשב להבין שפה טבעית, רשתות עצביות מלאכותיות המאפשרות למערכת ללמוד נתונים באמצעות הפעלה ביולוגית, מחשוב אבולוציוני- אשר מבוסס על התהליך של ברירה טבעית, תאוריית למידה, ושיטות הסתברותיות אשר מסייעת להתמודדות עם חוסר דיוק ואי ודאות.
