一、人工智能万能用语？
A
算法（Algorithms）：一组用于人工智能、神经网络或其他机器的规则或指令，以帮助它自己学习；分类、聚类、推荐和回归是四种最常见的类型。
人工智能（Artificial intelligence）：机器模拟人类智力和行为做出决策、执行任务的能力。
人工神经网络（ANN）：这种学习模型，模拟人脑运作，从而解决传统计算机系统难以解决的任务。
自主计算（Autonomic computing）：系统自适应自我管理自身资源用于高级计算功能的能力，而无需用户输入。
C
聊天机器人（Chatbots）：聊天机器人（简称chatbot）通过文本对话、语音命令来模拟与人类用户进行对话。它们是有AI功能的计算机程序的常用界面。
分类（Classification）：分类算法让机器根据训练数据给数据点进行分类。
聚类分析（Cluster analysis）：一种用于探索性数据分析的无监督学习，查找数据中的隐藏模式或分组；群集的建立是通过欧氏距离（Euclidean）或概率距离等定义的相似性度量。
聚类（Clustering）：聚类算法让机器将数据点或项目分成具有相似特征的组。
认知计算（Cognitive computing）：一种模仿人类大脑思维方式的计算模型。通过使用数据挖掘、自然语言处理和模式识别来进行自学习（self-learning）。
卷积神经网络（CNN）：一种识别和处理图像的神经网络。
二、人工神经网络是一条通向什么之路？
①
通向智慧之路。
人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。
它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。
在工程与学术界也常直接简称为神经网络或类神经网络。
神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。
②
人工神经网络基于一组称为人工神经元的连接单元或节点，它们对生物大脑中的神经元进行松散建模。每个连接，就像生物大脑中的突触一样，可以向其他神经元传输信号。人工神经元接收信号然后对其进行处理，并可以向与其相连的神经元发送信号。
连接处的“信号”是一个实数，每个神经元的输出由其输入和的某个非线性函数计算。连接称为边。神经元和边缘通常具有权重随着学习的进行而调整。权重增加或减少连接处的信号强度。神经元可能有一个阈值，这样只有当聚合信号超过该阈值时才会发送信号。通常，神经元聚合成层。不同的层可以对其输入执行不同的转换。
信号从xxx层（输入层）传输到最后一层（输出层），可能在多次遍历层之后。
三、神经网络的英文翻译？
人工神经网络英文翻译如下：artificial neural network双语例句：
1、This paper discussed the application of artificial neural network at the resistance spot welding of aluminum alloy. 针对铝合金的电阻点焊，研究了人工神经网络在点焊质量估测中的应用。
2、In the paper, data preparative and Artificial Neural Network parameter in DM is discussed mainly. 在论文中，着重考虑了人工神经网在数据挖掘中的数据准备问题、网络参数的选取问题等等。
3、Artificial neural network and its application in near infrared spectroscopy are presented in brief. 简要介绍了人工神经网络及其在近红外光谱分析中的应用。
四、人工精神网络的概念？
人工精神网络的基本概念：
定义：人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。
它的构筑理念是受到生物(人或其他动物)神经网络功能的运作启发而产生的。
神经网络
据估计人脑约有一千亿个神经细
胞，每个神经细胞约有一千根连结与
其它神经细胞相连，因此人脑中约有
一百万亿(1014)根连结，形成一个
高度连结网状的神经网路。
科学家们相信：人脑的信息处理
工作即是透过这些连结来完成的。
每个节点代表一种特定的输出函数，称为激励函数（activation function）。
每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。
网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。
而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
五、人工神经元网络包括？
人工神经网络主要架构是由神经元、层和网络三个部分组成。整个人工神经网络包含一系列基本的神经元、通过权重相互连接。
神经元是人工神经网络最基本的单元。单元以层的方式组，每一层的每个神经元和前一层、后一层的神经元连接，共分为输入层、输出层和隐藏层，三层连接形成一个神经网络。
输入层只从外部环境接收信息，是由输入单元组成，而这些输入单元可接收样本中各种不同的特征信息。
该层的每个神经元相当于自变量，不完成任何计算，只为下一层传递信息；隐藏层介于输入层和输出层之间，这些层完全用于分析，其函数联系输入层变量和输出层变量，使其更配适数据。
而最后，输出层生成最终结果，每个输出单元会对应到某一种特定的分类，为网络送给外部系统的结果值，，整个网络由调整链接强度的程序来达成学习的目的。
假如输出单元的输出值和所预期的值相同，那么连接到此输出单元的链接强度则不被改变。
但如果应该输出1的单元却输出0，那么连接到这个单元的链接强度则会被加强。
相反，如果应该输出0却输出1，那么连接到此输出单元的链接强度则会被降低。
简单地说，达成收敛的效果是这个学习程序的主要目标。
目前尚没有统一的标准方法可以计算人工神经网络的最佳层数。
