In computational sciences, the stru

In computational sciences, the structure of NNs is represented by logical units
('neurons'), connected by channels of communication ('synapses') which
intercompute independently, since each unit cooperates in the transmission of
information by means of a different 'weight4,. This differentiation in the weights thus
corresponds to different values of the synapses. This occurs particularly during the
'learning' phase in order to allow adaptation to new conditions. In fact, as with
cerebral behaviour, NNs are able to recognise previously unobserved patterns. This
characteristic of 'generalisingS, identifies the behaviour of the system as 'intelligent'.
In other words, since 'real' events never repeat themselves precisely, intelligent
systems are able to observe, by means of past experience, the continuity and similarity
of real events, by offering the possibility of correctly predicting future events.

Kết quả (Việt) 1:

Trong khoa học tính toán, cấu trúc của NNs được đại diện bởi hợp lý đơn vị('tế bào thần kinh'), kết nối bằng kênh giao tiếp ('synapse') màintercompute một cách độc lập, kể từ khi mỗi đơn vị hợp tác trong việc truyền tảithông tin bằng phương tiện của một khác nhau ' weight4,. Sự khác biệt này trong các trọng lượng như vậytương ứng với các giá trị khác nhau của synapse. Điều này xảy ra đặc biệt là trong các'học tập' giai đoạn để cho phép thích nghi với điều kiện mới. Trong thực tế, như vớihành vi não, các NNs có thể nhận ra các mô hình trước đó hạt. Điều nàyđặc trưng của các ' generalisingS, xác định các hành vi của hệ thống như 'thông minh'.Nói cách khác, kể từ khi sự kiện 'thực sự' không bao giờ lặp lại chính mình chính xác, thông minhHệ thống có thể quan sát, bằng phương tiện của kinh nghiệm quá khứ, liên tục và giống nhaucủa sự kiện thực tế, bằng cách cung cấp khả năng dự đoán một cách chính xác các sự kiện tương lai.

Kết quả (Việt) 2:

Trong khoa học máy tính, cấu trúc của NNS được đại diện bởi các đơn vị logic
('tế bào thần kinh'), nối với nhau bằng các kênh truyền thông ('khớp thần kinh') mà
intercompute độc lập, vì mỗi đơn vị hợp tác trong việc truyền tải
thông tin bằng phương tiện của một 'weight4 khác nhau, . Sự khác biệt trong các trọng này do đó
tương ứng với giá trị khác nhau của các khớp thần kinh. Điều này xảy ra đặc biệt là trong quá trình
"học tập" giai đoạn để cho phép thích ứng với điều kiện mới. Trong thực tế, như với
hành vi não, NNS có thể nhận ra các mẫu trước đây không quan sát được. Điều này
đặc trưng của 'generalisingS, xác định hành vi của các hệ thống như là' thông minh '.
Nói cách khác, kể từ khi' 'sự kiện thực không bao giờ lặp lại chính mình một cách chính xác, thông minh
hệ thống có thể quan sát, bằng kinh nghiệm quá khứ, sự liên tục và sự tương đồng
của thực sự kiện, bằng cách cung cấp khả năng dự đoán chính xác các sự kiện trong tương lai.