Translations:Neural Networks/28/zh - Revision history

DeployBot: Batch translate Neural Networks unit 28 → zh

2026-04-27T23:41:03Z

Batch translate Neural Networks unit 28 → zh

← Older revision		Revision as of 23:41, 27 April 2026
Line 1:		Line 1:
	* '''[[Convolutional Neural Networks]]'''~~（CNN）— 为图像等网格结构数据设计，使用局部连接和权重共享。~~		* '''[[Convolutional Neural Networks]]'''（CNN）—— 为图像等网格结构数据而设计，使用局部连接和权重共享。
	* '''[[Recurrent Neural Networks]]'''~~（RNN）— 为序列数据设计，连接形成循环以维持隐藏状态。~~		* '''[[Recurrent Neural Networks]]'''（RNN）—— 为序列数据而设计，连接形成循环以保持隐藏状态。
	* '''~~Transformers~~''' ~~— 基于注意力的架构，已在自然语言处理领域占据主导地位，并在视觉领域日益普及。~~		* '''{{Term\|transformer\|Transformer}}''' —— 基于{{Term\|attention\|注意力}}的架构，已在自然语言处理领域占据主导地位，并日益在视觉领域得到应用。
	* '''~~Autoencoders~~''' ~~— 训练用于重建其输入的网络，用于降维和生成建模。~~		* '''自编码器''' —— 训练用于重建其输入的网络，用于降维和生成式建模。
	* '''生成对抗网络'''~~（GAN）— 成对的网络（生成器和判别器）在竞争中进行训练，以生成逼真的数据。~~		* '''生成对抗网络'''（GAN）—— 成对的网络（生成器和判别器）通过竞争训练，以生成逼真的数据。

DeployBot: Batch translate Neural Networks unit 28 → zh

2026-04-27T22:03:00Z

Batch translate Neural Networks unit 28 → zh

← Older revision		Revision as of 22:03, 27 April 2026
Line 1:		Line 1:
	* '''[[Convolutional Neural Networks]]'''~~（CNN）——专为图像等网格结构数据设计，使用局部连接和权重共享。~~		* '''[[Convolutional Neural Networks]]'''（CNN）— 为图像等网格结构数据设计，使用局部连接和权重共享。
	* '''[[Recurrent Neural Networks]]'''~~（RNN）——专为序列数据设计，连接形成环路以维持隐藏状态。~~		* '''[[Recurrent Neural Networks]]'''（RNN）— 为序列数据设计，连接形成循环以维持隐藏状态。
	* '''Transformers'''~~——基于 attention 的架构，已在自然语言处理中占主导地位，并越来越多地用于视觉领域。~~		* '''Transformers''' — 基于注意力的架构，已在自然语言处理领域占据主导地位，并在视觉领域日益普及。
	* '''Autoencoders'''~~——经过训练来重建其输入的网络，用于降维和生成建模。~~		* '''Autoencoders''' — 训练用于重建其输入的网络，用于降维和生成建模。
	* '''生成对抗网络'''~~（GAN）——成对的网络（生成器和判别器）以竞争方式训练以生成逼真的数据。~~		* '''生成对抗网络'''（GAN）— 成对的网络（生成器和判别器）在竞争中进行训练，以生成逼真的数据。

DeployBot: Batch translate Neural Networks unit 28 → zh

2026-04-27T03:35:03Z

Batch translate Neural Networks unit 28 → zh

← Older revision		Revision as of 03:35, 27 April 2026
Line 1:		Line 1:
	* '''[[Convolutional Neural Networks~~\|卷积神经网络~~]]'''~~（CNN）—— 面向图像等网格结构数据，采用局部连接与权重共享。~~		* '''[[Convolutional Neural Networks]]'''（CNN）——专为图像等网格结构数据设计，使用局部连接和权重共享。
	* '''[[Recurrent Neural Networks~~\|循环神经网络~~]]'''~~（RNN）—— 面向序列数据，通过形成回路的连接维持隐藏状态。~~		* '''[[Recurrent Neural Networks]]'''（RNN）——专为序列数据设计，连接形成环路以维持隐藏状态。
	* '''~~Transformer~~''' ~~—— 基于注意力机制的架构，已在自然语言处理领域占据主导地位，并日益应用于视觉领域。~~		* '''Transformers'''——基于 attention 的架构，已在自然语言处理中占主导地位，并越来越多地用于视觉领域。
	* '''~~自编码器~~'''~~（autoencoder）—— 训练目标是重建输入，常用于降维与生成式建模。~~		* '''Autoencoders'''——经过训练来重建其输入的网络，用于降维和生成建模。
	* '''生成对抗网络'''~~（GAN）—— 由生成器与判别器两个网络相互对抗训练，用于生成逼真的数据。~~		* '''生成对抗网络'''（GAN）——成对的网络（生成器和判别器）以竞争方式训练以生成逼真的数据。

DeployBot: [deploy-bot] Translate Neural Networks unit 28 to zh

2026-04-27T00:25:46Z

[deploy-bot] Translate Neural Networks unit 28 to zh

New page

* '''[[Convolutional Neural Networks|卷积神经网络]]'''（CNN）—— 面向图像等网格结构数据，采用局部连接与权重共享。
* '''[[Recurrent Neural Networks|循环神经网络]]'''（RNN）—— 面向序列数据，通过形成回路的连接维持隐藏状态。
* '''Transformer''' —— 基于注意力机制的架构，已在自然语言处理领域占据主导地位，并日益应用于视觉领域。
* '''自编码器'''（autoencoder）—— 训练目标是重建输入，常用于降维与生成式建模。
* '''生成对抗网络'''（GAN）—— 由生成器与判别器两个网络相互对抗训练，用于生成逼真的数据。