НЕУРОНСКЕ МРЕЖЕ - превод на Енглеском

• neural networks
• neural nets
• neural network
• neural-network

Примери коришћења Неуронске мреже на Српском и њихови преводи на Енглески

SRI је проучавао дубоке неуронске мреже у препознавању говора и звучника.
SRI studied deep neural networks in speech and speaker recognition.

УВ истраживачи имају за циљ изградњу релативно једноставног модела неуронске мреже која имитира некомпликовану,
UW researchers aim to build a relatively simple neural-network model that mimics the uncomplicated

Првобитни циљ приступа неуронске мреже био је да реши проблеме на исти начин као и људски мозак.
The original aim of the neural network approach was supposed to fix problems in the very same way a human brain would.

алгоритме учења базираних на језгру, неуронске мреже и различите друге технике учења машинерије.
kernel-based learning algorithms, neural networks, and various other machine learning techniques.

истраживачи УВ-а су одлучили да израђују релативно једноставни модел неуронске мреже који опонаша релативно некомпликовану структуру неуролошког система мозга.
UW researchers resolved to devise a relatively simple neural-network model that mimics the relatively uncomplicated structure of a moth's neurological system.

Првобитни циљ приступа неуронске мреже био је да реши проблеме на исти начин као и људски мозак.
The original goal of the neural network approach was to solve problems in the same way that a human brain would.

су ћелијски аутомати били сиромашни у моделирању неуронске мреже.
led him to realize that cellular automata were poor at modelling neural networks.

Развили су модел неуронске мреже под називом AlphaGo, који је направљен
They developed a neural network model called AlphaGo that was designed to play Go,

Био је значајан за стварање физичке реализације неуронске мреже, која је до тада била углавном научни концепт.
It was important for creating a physical embodiment of the neural network, which until then had been mainly an academic concept.

Основа за неуронске мреже је постао техника, која је у 2015. развила Гатис Леон Универзитета у Тибингену( Немачка),
The foundation for the neural network was a technique created in 2015 by Leon Gatys at the University of Tübingen, Germany,

Скоро је приступ дубоког учења на аутo енкодерима вештачке неуронске мреже, био је коришћен у биоинформатици, да предвиди онтологију гена
Recently, a deep-learning approach based on an autoencoder artificial neural network has been used in bioinformatics, to predict Gene Ontology annotations

Основа за неуронске мреже је постао техника, која је у 2015. развила Гатис Леон Универзитета у Тибингену( Немачка),
The basis for the neural network was a technique developed in 2015 by Leon Gatys at the University of Tübingen, Germany,

Након тренинга роботске неуронске мреже, он може повезати повратне информације са сензора са положајем прста детектованог у систему за хватање покрета, који се онда може одбацити.
After training the robot's neural network, it can associate the feedback from the sensors with the position of the finger detected in the motion-capture system, which can then be discarded.

Друга претпоставка је да се може написати као функција излаза из неуронске мреже.
The second assumption is that it can be written as a function of the outputs from the neural network.

Друге методе такође користе без надзора пре-тренинг на структуру неуронске мреже, чинећи тако корисним детекторе функција.
Other methods also use unsupervised pre-training to structure a neural network, making it first learn generally useful feature detectors.

фази логике, неуронске мреже, еволуционе рачунарства,
fuzzy logic, neural network, evolutionary computing,

Технике Неуроимагинације се користе да истраже активности неуронске мреже, као и структуру и функцију мозга.
Neuroimaging techniques are used to investigate the activity of neural networks, as well as the structure and function of the brain.

у узбудљивом раду који је показао како се један систем неуронске мреже може обучити за играње различитих Атари игара, као што су Избити и Освајачи свемира,
in a paper that showed how a single neural network system could be trained to play different Atari games as well as,

искористили јавности доступне сателитске снимке Калифорније из 2017. године како би оспособили неуронске мреже да разликују уништене објекте од оних које пожар није захватио.
used publicly available satellite images of California taken in 2017 to train a neural network that distinguishes between destroyed buildings and those untouched by fire.

информационих технологија у Кини да ће до 2020. године производити чипове за обраду неуронске мреже до инвестиције ИБМ Ватсон Групе у вриједности 200 милиона долара за објекат у Минхену.
Information Technology's plan to mass-produce neural-network processing chips by 2020 to IBM Watson Group's $200 million investment for a facility in Munich.