What is the translation of " NEURAL NETS " in Vietnamese?

• mạng lưới thần kinh
• các mạng nơ ron

Examples of using Neural nets in English and their translations into Vietnamese

Those are reinforcement learning and deep neural nets.
Đó là học tập củng cố và mạng lưới thần kinh sâu sắc.

In 2015, neural nets from Microsoft and Google defeated humans at image recognition.
Vào năm 2015, mạng lưới thần kinh của Microsoft và Google đã đánh bại con người khi nhận dạng hình ảnh.

The brain is solving a very different problem from most of our neural nets.
Bộ não đang giải quyết một vấn đề rất khác với hầu hết các mạng lưới thần kinh của chúng ta.

Some problems are good for neural nets; we know that others, neural nets are hopeless on them.
Chúng ta biết rằng một số vấn đề phù hợp với mạng lưới thần kinh, đối với những vấn đề khác, mạng lưới thần kinh là vô vọng.

OK, so far I liked the fairly narrow focus that agrees with reinforcement learning and deep neural nets.
OK, cho đến nay tôi thích trọng tâm khá hẹp đồng ý với việc học tăng cường và mạng lưới thần kinh sâu sắc.

Neural nets better than what we previously had been able to code by hand with tens of thousands of lines of C code,” Roddy said.
Mạng lưới thần kinh tốt hơn so với những gì trước đây chúng ta có thể viết mã bằng tay với hàng chục ngàn dòng mã C, theo Rod Roddy nói.

I would coded everything in her, after all, and I knew exactly how her neural nets changed with each interaction.
Tôi đã lập trình mọi thứ bên trong con bé, và tôi biết chính xác mạng thần kinh của nó thay đổi thế nào sau mỗi tương tác.

The most influential work on neural nets in the 60's went under the heading of'perceptrons' a term coined by Frank Rosenblatt.
Perceptrons Nghiên cứu có ảnh hưởng nhất trên mạng nơron trong những năm 60 được tiến hành dưới tiêu đề của“ perceptron” một thuật ngữ 11 được đặt ra bởi Frank Rosenblatt.

The researchers found that changing one pixel in about 74% of the test images made the neural nets wrongly label what they saw.
Các nhà nghiên cứu nhận thấy rằng thay đổi một điểm ảnh trong khoảng 74% các hình ảnh thử nghiệm đã làm cho mạng lưới thần kinh sai nhãn những gì họ nhìn thấy.

Photonic neural nets will have to offer significant advantages to be widely adopted and will therefore require much more detailed characterization.
Các mạng lưới thần kinh quang tử sẽ phải đưa ra những ưu điểm vượt trội để có thể được chấp nhận rộng rãi và vì vậy, nó sẽ cần được mô tả chi tiết hơn.

Each night I analyzed the activation graphs for the nodes in the neural nets, trying to find and resolve problems before they occurred.
Mỗi đêm tôi phân tích những biểu đồ kích hoạt của các đốt trong mạng thần kinh, cố gắng tìm và giải quyết những vấn đề trước khi chúng kịp phát sinh.

Even more recently, Le published a paper with fellow Googlers, Ilya Sutskever and Oriol Vinyals, on machine translation using deep neural nets.
Thậm chí gần đây, Quốc đã công bố một bài báo với các nhân viên Google, Ilya Sutskever và Oriol Vinyals, về máy dịch bằng cách sử dụng các mạng thần kinh sâu.

Marcus first got interested in artificial intelligence in the 1980s and'90s, when neural nets were still in their experimental phase, and he's been making the same argument ever since.
Marcus đến với trí tuệ nhân tạo khá muộn( vào những năm 1980 và 90) khi mạng lưới thần kinh vẫn đang trong giai đoạn thử nghiệm.

Modern neural nets can learn to recognize pattern, translate languages, learn simple logical reasoning, and even create images and formulate new ideas.
Mạng lưới thần kinh hiện đại có thể học cách nhận diện mô hình, dịch thuật, học cách tư duy logic đơn giản, và thậm chí tạo hình ảnh và xây dựng những ý tưởng mới.

It was observed by the researchers that altering one pixel in about 74% of the test images made the neural nets mistakenly label what they saw.
Các nhà nghiên cứu nhận thấy rằng thay đổi một điểm ảnh trong khoảng 74% các hình ảnh thử nghiệm đã làm cho mạng lưới thần kinh sai nhãn những gì họ nhìn thấy.

For more insights on machine learning, neural nets, data health, and more get your free copy of the new DZone Guide to Big Data Processing, Volume III!
Để biết thêm thông tin chi tiết về học máy, mạng lưới thần kinh, sức khỏe dữ liệu và hơn thế nữa, hãy lấy bản sao miễn phí Hướng dẫn DZone mới về Xử lý dữ liệu lớn, Tập III!

The chips are designed in such a way that researchers can run a single neural net on multiple data sets or run multiple neural nets on a single data set.
Các chip được thiết kế theo cách mà các nhà nghiên cứu có thể chạy một mạng thần kinh đơn lẻ trên nhiều bộ dữ liệu hoặc chạy nhiều mạng nơ ron trên một bộ dữ liệu.

It allows us to build and train neural nets up to five times faster than our first-generation system, so we can use it to improve our products much more quickly.”.
TensorFlow cho phép chúng ta xây dựng và đào tạo các mạng Neuron nhanh gấp 5 lần so với hệ thống của thế thệ đầu tiên, do đó chúng ta có thể sử dụng TensorFlow để cải thiện các sản phẩm của chúng ta một cách nhanh chóng.”.

In the future, we can probably expect some important advances in this area, especially as the engineers who design neural nets work more closely with scientists who are uncovering the secrets of howour brains work.
Trong tương lai, có lẽ chúng ta có thể mong đợi một số tiến bộ quan trọng trong lĩnh vực này, đặc biệt là các kỹ sư thiết kế mạng lưới thần kinh làm việc chặt chẽ hơn với các nhà khoa học đang khám phá những bí mật của bộ não làm việc howour.

Digital neural nets were invented in the 1950s, but it took decades for computer scientists to learn how to tame the astronomically huge combinatorial relationships between a million- or 100 million- neurons.
Mạng thần kinh nhân tạo được phát minh hồi những năm 1950, nhưng các nhà khoa học máy tính phải mất nhiều thập kỷ để biết cách kết hợp được hàng triệu( hoặc hàng trăm triệu) các mối liên kết neuron này.

Thus, most speech recognition researchers who understood such barriers moved away from neural nets to pursue generative modeling, until a recent resurgence of deep learning overcame all these difficulties.
Vì vậy, hầu hết nhà nghiên cứu nhận dạng giọng nói đã hiểu rõ các rào cản như vậy đã chuyển ra khỏi các mạng nơ ron để theo đuổi mô hình thể sinh, cho đến khi một sự hồi sinh gần đây của học sâu đã vượt qua tất cả những khó khăn này.

Today, neural nets running on GPUs are routinely used by cloud-enabled companies such as Facebook to identify your friends in photos or, in the case of Netflix, to make reliable recommendations for 50 million subscribers.
Các mạng thần kinh ngày nay chạy trên GPU đang những công ty có nền tảng đám mây như Facebook liên tục sử dụng để nhận diện bạn bè theo hình ảnh, hoặc trong trường hợp của Netflix là đưa ra những đề xuất rất" sát sườn" cho hơn 50 triệu người đăng ký.

There are lots of small best practices, ranging from simple tricks like initializing weights, regularization to slightly complex techniques like cyclic learning rates that can make training and debugging neural nets easier and efficient.
Có rất nhiều thực hành tốt nhất nhỏ, từ các thủ thuật đơn giản như khởi tạo trọng lượng, chính quy đến các kỹ thuật hơi phức tạp như tốc độ học theo chu kỳ có thể giúp việc đào tạo và gỡ lỗi mạng lưới thần kinh dễ dàng và hiệu quả hơn.

Neural nets are intrinsically probabilistic: An object-recognition system fed an image of a small dog, for instance, might conclude that the image has a 70 percent probability of representing a dog and a 25 percent probability of representing a cat.
Mạng thần kinh phân chia sự việc theo xác suất: Ví dụ, hệ thống nhận dạng đối tượng được cung cấp hình ảnh của một con chó nhỏ, nó có thể kết luận rằng hình ảnh này có 70% xác suất đại diện cho một con chó và 25% là đại diện cho một con mèo.

Most speech recognition researchers who understood such barriers hence subsequently moved away from neural nets to pursue generative modeling approaches until the recent resurgence of deep learning starting around 2009- 2010 that had overcome all these difficulties.
Vì vậy, hầu hết nhà nghiên cứu nhận dạng giọng nói đã hiểu rõ các rào cản như vậy đã chuyển ra khỏi các mạng nơ ron để theo đuổi mô hình thể sinh, cho đến khi một sự hồi sinh gần đây của học sâu đã vượt qua tất cả những khó khăn này.

The progress of AI, neural nets and deep learning have inclined some modern observers to claim that the human mind is merely an intricate organic processing machine- and consciousness, if it exists at all, might simply be a property that emerges from information complexity.
Sự tiến bộ của AI, mạng lưới thần kinh và học tập sâu đã khiến một số nhà quan sát hiện đại cho rằng tâm trí con người chỉ là một cỗ máy xử lý hữu cơ phức tạp- và ý thức, nếu nó tồn tại, có thể chỉ đơn giản là một đặc tính xuất hiện từ sự phức tạp thông tin.

So, I think in the next 20 years, if we can get rid of all of the traditional approaches to artificial intelligence, like neural nets and genetic algorithms and rule-based systems, and just turn our sights a little bit higher to say, can we make a system that can use all those things for the right kind of problem?
Do đó, tôi nghĩ trong 20 năm tới, nếu chúng ta có thể thoát khỏi cách tiếp cận truyền thống với trí thông minh nhân tạo, như mạng lưới thần kinh và thuật toán di truyền và hệ thống luật lệ, và đưa tầm nhìn của chúng ta xa hơn,?

We had something in the second wave, the neural nets and statistical approaches were right, we just didn't have enough data, enough compute power, and enough advancements of the technologies at the time to make it happen.
Chúng ta đã có một điều gì đó trong làn sóng thứ hai, các mạng lưới thần kinh và các phương thức thống kê đều chính xác, chỉ là chúng ta không có đủ dữ liệu, không đủ sức mạnh điện toán, và không đủ tiến bộ công nghệ vào thời điểm đó để làm cho điều đó xảy ra.