Deep learning uses neural networks

Deep learning uses neural networks (DNNs) many layers deep and large datasets to teach computers how to solve perceptual problems, such as detecting recognizable concepts in data, translating or understanding natural languages, interpreting information from input data, and more. Deep learning is used in the research community and in industry to help solve many big data problems such as computer vision, speech recognition and natural language processing. Practical examples include vehicle, pedestrian and landmark identification for driver assistance; image recognition; speech recognition; natural language processing; neural machine translation and cancer detection.

ผลลัพธ์ (ไทย) 1:

ลึกใช้ข่ายประสาท (DNNs) การเรียนรู้ในชั้นลึกและ datasets ขนาดใหญ่สอนวิธีการแก้ปัญหา perceptual เช่นตรวจสอบแนวคิดรู้จักข้อมูล แปล หรือเข้าใจภาษาธรรมชาติ การตีความข้อมูลจากข้อมูลนำเข้า คอมพิวเตอร์ ใช้เรียนรู้ลึก ในชุมชนวิจัย และ ในอุตสาหกรรมเพื่อช่วยแก้ปัญหาข้อมูลขนาดใหญ่มากเช่นคอมพิวเตอร์วิทัศน์ การรู้จำเสียง และการประมวลผลภาษาธรรมชาติ ตัวอย่างปฏิบัติรวมถึงระบุยานพาหนะ อีสต์ และแลนด์มาร์คสำหรับความช่วยเหลือของโปรแกรมควบคุม จดจำภาพ รู้ ประมวลผลภาษาธรรมชาติ ประสาทเครื่องแปลและตรวจมะเร็ง

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ลึกใช้เครือข่ายประสาท (DNNs) หลายชั้นลึกและชุดข้อมูลขนาดใหญ่ในการสอนคอมพิวเตอร์วิธีการแก้ปัญหาการรับรู้เช่นการตรวจสอบแนวความคิดที่เป็นที่รู้จักในข้อมูลแปลหรือการทำความเข้าใจภาษาธรรมชาติ, การตีความข้อมูลจากการป้อนข้อมูลและอื่น ๆ การเรียนรู้ที่ลึกที่ใช้ในการวิจัยชุมชนและในอุตสาหกรรมที่จะช่วยแก้ปัญหาข้อมูลขนาดใหญ่จำนวนมากเช่นคอมพิวเตอร์วิสัยทัศน์รู้จำเสียงพูดและการประมวลผลภาษาธรรมชาติ ตัวอย่างการปฏิบัติรวมถึงยานพาหนะท​​างเดินเท้าและบัตรประจำตัวสถานที่สำคัญสำหรับช่วยเหลือคนขับ; การรับรู้ภาพ; รู้จำเสียงพูด; การประมวลผลภาษาธรรมชาติ เครื่องแปลภาษาระบบประสาทและการตรวจสอบโรคมะเร็ง

ผลลัพธ์ (ไทย) 3:

การใช้โครงข่ายประสาทเทียมแบบลึก ( dnns ) หลายชั้นลึกและกว้างข้อมูลสอนคอมพิวเตอร์วิธีการแก้ไขปัญหาเกี่ยวกับการรับรู้ เช่น แนวคิดในการจดจำข้อมูล การแปล หรือความเข้าใจภาษาธรรมชาติ การตีความข้อมูลจากข้อมูลที่ป้อนและอื่น ๆเรียนลึกใช้ในชุมชนและการวิจัยในอุตสาหกรรมที่จะช่วยแก้ปัญหาได้ เช่น ตัวใหญ่มากข้อมูล วิสัยทัศน์คอมพิวเตอร์ , การรู้จำเสียงพูดและการประมวลผลภาษาธรรมชาติ ตัวอย่าง ได้แก่ ยานพาหนะและคนเดินเท้ามาร์คระบุความช่วยเหลือคนขับ ; ภาพการรับรู้ ; การรู้จำเสียงพูด ; การประมวลผลภาษาธรรมชาติ เครื่องแปลภาษา ประสาทและการตรวจหามะเร็ง