
paper
张楚岚
前石油工人,ml小学生douburu...
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
nlp paper:【第4篇】基于神经网络的机器翻译(NEURAL MACHINE TRANSLATION BY JOINTLY LEARNING TO ALIGN AND TRANSLATE)
1. 简述你理解的机器翻译? 机器翻译又称为自动翻译,就是利用计算机将一种自然语言转换为另一种自然语言的过程。机器翻译经历了基于规则的翻译-基于统计的翻译-基于神经网络的翻译。 2. 简述你学习到的神经机器翻译过程? 基于神经网络的机器翻译:是通过学习大量成对的语料让神经网络自己学习语言的特征,找到输入和输出之间的关系。 核心思想:端到端(end-to-end or seque...原创 2020-02-12 10:46:21 · 1223 阅读 · 0 评论 -
cv paper:【第2篇】AlexNet
1、试着说明一下Top-5 top-1 的区别early-stop点? 这里top-5和top-1指的是分类是否准确的一个阈值,比如大分类可以为车,而车则可以有自行车,轿车,公交车等等。top-5的阈值相对更大,因此错误率也更低。top-5错误率是指测试图像的正确标签不在模型认为的五个最可能的便签之中。 2、概括一下如何找到深度模型训练过程中的early-stop点神经网络处理图像分类? ...原创 2019-12-01 21:33:29 · 263 阅读 · 0 评论 -
nlp paper:【第3篇】句和文档的分布式表示学习(Distributed Representations of Sentences and Documents)
一、传统的几种句向量学习方法的缺点? 传统句向量表示主要有bag-of-words和bag-of-ngram-words,缺点主要是无法学习语义信息和顺序信息。 二、总结词向量的概念以及其学习到语义和语法特征的含义? 词向量就是用向量表示词的信息,传统的one-hot、n-gram只有词的统计信息,而通过语言模型学习到的词向量则是通过上下文来表示对应词向量,就能学习到语义和语法特征。 三、...原创 2019-10-14 08:20:10 · 249 阅读 · 0 评论 -
nlp paper:【第2篇】基于神经网络的词向量(Efficient Estimation of Word Representations in Vector Space)
1. 简述几种你了解的词向量? ①离散表示主要有:one-hot、Bag of Words、TF-IDF ②分布式表示有:基于矩阵的分布表示(主要有Glove模型、共现矩阵、SVD分解等等)和基于神经网络的分布表示(主要有word2vec、NNLM、RNNLM、elmo、bert等等) 2. 简述分布式词向量的优点? 优点:1⃣️利用上下文信息进行词的表示可以计算语义相似性、2⃣...原创 2019-10-08 07:58:59 · 398 阅读 · 0 评论