翻译技术速递
什么是人工神经网络？
我们依赖计算机以比大多数人类所能完成的指数级快的速度执行任务。不管是在一个很长的数学序列中处理数字，还是在一个庞大的数据库中进行编译，计算机总是占有优势。然而，人类的大脑是了不起的--我们能够理解抽象概念，制定相对健全的决策，并通过想象力创造新的概念。然而，我们可能不会再保持这唯一的优势太久。根据我们大脑的结构，开发人员构建了一个基于人工智能的互连网络--人工神经网络。人工智能网络是一个强大的工具，用来学习和推理，极大地塑造我们的未来。在这篇文章中，我们将解释什么是人工神经网络（通过例子和用例），以及公司如何使用神经网络技术来成长。
那么，什么是ANN呢？ANN（人工神经网络）是一个相互连接的系统，类似于我们的生物神经网络。人工神经网络和动物大脑的相似之处在于，人工神经网络是由节点和连接构成的，节点的作用类似于人工神经元，连接的作用类似于突触。
人工神经网络解释
信号通过这些连接发送，在这些连接中，数据被赋予权重并被发送到相邻的节点。在这些节点，使用非线性函数解析数据。然后根据节点“学习”的内容调整权重。这些神经元聚集成不同的层，在它接收到的数据上具有自己的转换功能。当信息流经每个神经元并调整其权重时，如果新权重之和超过预定义阈值，则将其向前馈送到下一个节点，直到它到达输出层。人工神经网络的学习过程类似于人类的学习方式。当我们从环境的反馈中得知一个动作是否成功时，神经网络也是如此。对于人工神经网络，这个过程称为反向传播。在其最简单的形式中，反向传播是在ANN提供的输出和期望的最佳输出之间进行比较。这两个基准将显示差异，系统将采取适当的步骤，通过冲刷层，看看哪里可以减少差距。最终，在经历了这个学习过程之后，一个人工神经网络将始终如一地产生期望的输出，并且在交付的输出和最优输出之间的差异为零。
人工神经网络的类型
有各种类型的人工神经网络，每一种在其设计和目的上都是独特的。
前馈神经网络前馈神经网络是人工神经网络的最基本版本。这个神经网络通过层向一个方向发送信号。信息直接从输入端直接发送到输出端。虽然这些系统不使用反向传播，但它们可以在有噪声的数据下表现得异常出色。
递归神经网络递归神经网络是一种比较常见的人工神经网络，因为信息可以在多个方向上通过层传递。该系统的复杂性增加，可以比前馈网络更快地获取和学习数据，因为每个神经元都起着记忆细胞的作用，在下次被访问时保留一部分数据。
其他神经网络还有其他类型的神经网络，如模块化神经网络，Kohonen自组织神经网络，卷积神经网络等等，每种网络都有特定的功能。决定哪一个人工神经网络是正确的一个您的公司取决于任务将被要求执行。
为什么人工神经网络很重要
那么，人工神经网络是用来做什么的呢？例如，几乎本地化行业的每一个部门都在寻找新的方法将人工神经网络应用到其工作流程中。不管是一家需要为全球不同地区本地化内容的公司，还是通过聊天机器人保持24小时可用性与客户互动的公司，人工神经网络都能解决这个问题。通过这些平台，通常需要数百个工时才能完成的工作，可以快速连续地完成，而成本仅为一小部分。ANN的一些更常见的用途包括：
垃圾邮件检测
信用评分方法
个性化产品推荐
机器翻译
车辆控制
模式识别
序列识别
人工神经网络的应用正在持续增长，并且在未来几年中，常见的用例列表只会增长。
最终，人工神经网络和人工智能正在重塑我们的未来。因此，它们是任何公司都可以利用的服务，为客户提供最好的体验。如果你想接触到全球受众，你应该考虑一个人工神经网络是否能为你工作。
今天联系Lilt，与我们的一位专家交谈，他可以指导您通过Lilt平台提供的翻译服务的现场演示。
以上中文文本为机器翻译，存在不同程度偏差和错误，请理解并参考英文原文阅读。
阅读原文