What is the translation of " DEEP NEURAL " in Hebrew?

• עצביות עמוקות
• עצבית עמוקה
• עצביות עמוק

Examples of using Deep neural in English and their translations into Hebrew

So, using deep neural networks, ALVA looks for patterns in the scores.
כך, על ידי שימוש ברשתות עצביות עמוקות, איו"ה מחפשת תבניות בפרטיטורות.

Once we had this enormous amount of data, we built and trained deep neural networks.
ברגע שהיתה לנו כמות עצומה של נתונים, בנינו ואימנו רשתות עצביות עמוקות.

He also envisions personal sensors that deep neural networks could use to predict medical problems.
הוא גם רואה בעיני רוחו חיישנים אישיים שיעזרו לרשתות עצביות עמוקות לצפות בעיות רפואיות.

To solve this problem, we need to design a hardware that will be compatible with deep neural networks.”.
כדי לפתור את הבעיה הזאת אנחנו חייבים חומרה ייעודית שמותאמת לעבודה עם רשתות נוירונים עמוקות.”.

Tishby and Shwartz-Ziv's new experiments with deep neural networks reveal how the bottleneck procedure actually plays out.
הניסויים החדשים של תשבי ושוורץ-זיו עם רשתות עצביות עמוקות חושפים כיצד משחק צוואר הבקבוק אכן מתרחש.

A deep neural network(DNN) is an artificial neural network(ANN) with multiple layers between the input and output layers.
רשת עצבית עמוקה(DNN) היא רשת עצבית מלאכותית(ANN) עם ריבוי שכבות בין שכבות הקלט והפלט.

Not only will you learn how to use tools, such as deep neural networks, but you will gain a profound understanding of why they work.-.
לא רק תוכלו ללמוד כיצד להשתמש בכלים, כגון רשתות עצביות עמוק, אבל תוכלו לקבל הבנה מעמיקה של למה הם עובדים.

(A deep neural network trained to recognize dogs in photos might be tested on new photos that may or may not include dogs, for instance.).
(רשת עצבית עמוקה שאומנה לזהות כלבים בתצלומים עשויה להיבדק על תמונות חדשות הכוללות או לא כוללות כלבים, למשל).

Delivering 9.4 petaflops of processing capability, it has the muscle for training the vast number of deep neural networks required for safe self-driving vehicles.
המערכת מספקת יכולת עיבוד של 9.4 petaflops ומסוגלת לאמן(train) מספר עצום של רשתות עצביות עמוקות, בהיקף הנדרש לכלי רכב בטוח הנוהג את עצמו.

After a deep neural network has“learned” from thousands of sample dog photos, it can identify dogs in new photos as accurately as people can.
אחרי רשת עצבית עמוקה"למד" אלפי תמונות דוגמת כלב, הוא יכול לזהות כלבים בתמונות חדשות בדיוק כמו אנשים יכולים.

Tishby began contemplating the information bottleneck around the time that other researchers were first mulling over deep neural networks, though neither concept had been named yet.
תשנבי החל לחשוב על צוואר הבקבוק של המידע בזמן שחוקרים אחרים עסקו לראשונה ברשתות עצביות עמוקות, אם כי עדיין לא הובא שם למושג.

It then utilizes another deep neural network to determine if the detected eye is open or close, using the eye' appearance, geometric features and movement.
לאחר מכן הוא מנצל רשת עצבית עמוקה נוספת כדי לקבוע אם העין מזוהה פתוח או סגור, באמצעות המראה 'העין, תכונות גיאומטריות ותנועה.

Yandex's position as the largest search engine in Russia creates a positive feedback loop for our deep neural network algorithm, which leads to superior search results for our users.
העובדה ש- Yandex הוא מנוע החיפוש הגדול ביותר ברוסיה יוצר לולאת משוב חיובית עבור אלגוריתם הרשת העצבית העמוק שלה, המוביל לתוצאות חיפוש מעולות עבור המשתמשים.

Before they can work properly, deep neural networks need a lot of source information, such as photos of the person who is the source or target of impersonation.
לפני שהם יכולים לעבוד כמו שצריך, רשתות עצביות עמוק צריך הרבה מידע המקור, כגון תמונות של אנשים להיות המקור או יעד של התחזות.

DeepMind's AlphaGo program stunned the Go-playing world by beating 18-time world champion Lee Se-dol thanks to its advanced system based on deep neural networks and machine learning.
תוכנית AlphaGo של DeepMind הדהימה את עולם ה- Go-Play על-ידי כך שהביסה את אלוף העולם ל-18 פעמים הודות למערכת המתקדמת שלה המבוססת על רשתות עצביות עמוקות ולמידה ממוחשבת.

Today, deep neural networks with different architectures, such as convolutional, recurrent and autoencoder networks, are becoming an increasingly popular area of research.
כיום, רשתות עצביות עמוקות עם ארכיטקטורות שונות, כגון רשתות מעוותות, חוזרות ואוטומטיות, הופכות לתחום מחקר פופולרי יותר ויותר.

Andrew Saxe, an AI researcher and theoretical neuroscientist at Harvard University, noted that certain very large deep neural networks don't seem to need a drawn-out compression phase in order to generalize well.
אנדרו סאקס חוקר ב- AI ומדען המוח התיאורטי באוניברסיטת הרווארד, ציין כי רשתות עצביות עמוקות מאוד גדול לא נראה צורך בשלב דחיסה נמשך כדי להכליל היטב.

Tishby argues that deep neural networks learn according to a procedure called the“information bottleneck,” which he and two collaborators first described in purely theoretical terms in 1999.
תשבי טוען כי רשתות עצביות עמוקות לומדות על פי נוהל שנקרא"צוואר הבקבוק", שהוא ושני משתפי הפעולה תיארו לראשונה במונחים תיאורטיים בלבד בשנת 1999.

The requirement for real-time insights into such video streams is driving the use of AI techniques such as deep neural networks for tasks including classification, object detection and extraction, and anomaly detection.
הדרישה לתובנות בזמן אמת לזרמי וידאו מסוג זה מניעה את השימוש בטכניקות AI כגון רשתות עצביות עמוקות למשימות, כולל סיווג, זיהוי אובייקטים והפקתם, ואיתור אנומליה.

These algorithms- Deep Neural Networks- broke boundaries, smashed records, and obtained novel achievements in the field of Artificial Intelligence, that had been all but lying dormant for decades.
האלגוריתמים האלה- רשתות עצביות עמוקות(Deep Neural Networks)- פרצו גבולות, שברו שיאים, וקבעו הישגים בעולם הבינה המלאכותית שבמובנים רבים קפא על שמריו במשך עשרות שנים.

The mystery of how brains sift signals from our senses and elevate them to the level of our conscious awareness drove much of the early interest in deep neural networks among AI pioneers, who hoped to reverse-engineer the brain's learning rules.
המסתורין של איך המוח מסנן אותות מחושינו להעלות אותם לרמה של המודעות המודעת שלנו גרמה הרבה מן העניין המוקדם ברשתות עצביות עמוקות בקרב חלוצי AI, אשר קיוו להפוך הנדסה לאחור של כללי הלמידה של המוח.

Instead it utilizes a deep neural network that allows the robodog to be trained using vocal inputs and visual signals, therefore learning and behaving from experience, with the potential of performing useful tasks.
במקום זאת רשת עצבית עמוקה מאפשרת להכשיר את הרובודוג באמצעות כניסות קוליות ואותות חזותיים ללמידה ולהתנהלות מניסיון עם פוטנציאל לביצוע משימות שימושיות.

The magic leap from special cases to general concepts during learning gives deep neural networks their power, just as it underlies human reasoning, creativity and the other faculties collectively termed“intelligence.”.
הקפיצה הקסומה ממקרים מיוחדים למושגים כלליים במהלך הלמידה מעניקה לרשתות עצביות עמוקות את כוחן, בדיוק כפי שהיא עומדת ביסוד ההיגיון האנושי, ביצירתיות ובפקולטות האחרות המכונות"אינטליגנציה".

As a deep neural network tweaks its connections by stochastic gradient descent, at first the number of bits it stores about the input data stays roughly constant or increases slightly, as connections adjust to encode patterns in the input and the network gets good at fitting labels to it.
כמו רשת עצבית עמוקה tweaks הקשרים שלה על ידי ירידה צבע סטוכסטי, בהתחלה את מספר סיביות הוא שומר על נתוני קלט נשאר קבוע בערך או עולה מעט, כמו חיבורים להתאים לקודד דפוסי קלט את הרשת מקבל טוב ב תוויות מתאים ל זה.

I believe that the information bottleneck idea could be very important in future deep neural network research,” said Alex Alemi of Google Research, who has already developed new approximation methods for applying an information bottleneck analysis to large deep neural networks.
אני מאמין שרעיון צוואר הבקבוק של המידע יכול להיות חשוב מאוד במחקר העכשווי העמוק העתידי", אמר אלכס אלמי[194590038] מחברת המחקר של Google, שכבר פיתחה שיטות קירוב חדשות לשם החלת מידע ניתוח צוואר בקבוק לרשתות עצביות עמוקות.

The acoustic model is learned by a deep neural network trained on thousands of hours of conversation, and the language model is trained on sentences that include hundreds of millions and sometimes billions of words.
המודל האקוסטי נבנה על ידי רשת עצבית עמוקה המאומנת על אלפי שעות שיחה מתומללות, והמודל השפתי מאומן על משפטים הכוללים מאות מיליונים ולעתים אף מיליארדי מלים.

Though the concept behind deep neural networks had been kicked around for decades, their performance in tasks like speech and image recognition only took off in the early 2010s, due to improved training regimens and more powerful computer processors.
למרות שהרעיון מאחורי רשתות עצביות עמוקות נבעט במשך עשרות שנים, הביצועים שלהם במשימות כמו דיבור וזיהוי תמונות רק המריאו בתחילת 2010, בשל משטרי אימונים משופרים ומעבדים רבי עוצמה במחשב.

Even as machines known as“deep neural networks” have learned to converse, drive cars, beat video games and Go champions, dream, paint pictures and help make scientific discoveries, they have also confounded their human creators, who never expected so-called“deep-learning”….
אפילו במכונות המכונה"רשתות עצביות עמוקות" למדו לשוחח, לנהוג במכוניות,(19459007) ו עבור אלופים לחלום, לצייר תמונות ולעזור לעשות תגליות מדעיות, הם גם מבולבל היוצרים האנושיים שלהם, שמעולם לא ציפיתי מה שנקרא"למידה עמוקה" אלגוריתם לעבוד טוב כל כך.