- 博客(3)
- 收藏
- 关注
RSS订阅原创 基于Transformer实现机器翻译（日译中）
原理：Transformer是一种基于注意力机制的深度学习模型，最初由Google在2017年提出。它在机器翻译任务中取得了很大成功，因为它能够在处理长距离依赖关系时表现优异，并且可以并行化处理。在机器翻译任务中，Transformer模型通常包括编码器和解码器两部分。编码器将源语言句子编码成一个上下文表示，解码器则根据这个上下文表示生成目标语言句子。
2024-06-26 10:31:41
1703
原创 自然语言处理机器翻译
机器翻译是指将一段文本从一种语言自动翻译到另一种语言。机器翻译是自然语言处理领域的重要应用之一，它可以帮助人们在跨语言交流、文档翻译和信息检索等方面更加便捷和高效。因为一段文本序列在不同语言中的长度不一定相同，所以我们使用机器翻译为例来介绍编码器—解码器和注意力机制的应用。1.机器翻译的历史机器翻译的历史可以追溯到20世纪50年代。当时，机器翻译主要使用基于规则的方法来实现。这种方法需要人工编写大量的语法规则和词典，从而使得机器翻译系统的开发和维护成本非常高。
2024-06-26 09:24:46
2181
原创 自然语言处理前馈网络
一、实验介绍1.1 实验内容感知器是现存最简单的神经网络。感知器的一个历史性的缺点是它不能学习数据中存在的一些非常重要的模式。例如，查看图4-1中绘制的数据点。这相当于非此即彼(XOR)的情况，在这种情况下，决策边界不能是一条直线(也称为线性可分)。在这个例子中，感知器失败了。图4-1 XOR数据集中的两个类绘制为圆形和星形。请注意，没有任何一行可以分隔这两个类。在本次实验中，我们将探索传统上称为前馈网络的神经网络模型，以及两种前馈神经网络:多层感知器和卷积神经网络。多层感知器在结构上扩展
2024-06-23 14:59:00
1346
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人