- 博客(3)
- 收藏
- 关注
RSS订阅原创 基于transformer实现机器翻译
Transformer是一种用于自然语言处理（NLP）任务的深度学习模型架构，由Vaswani等人在2017年提出。它通过完全依赖于注意力机制而非传统的循环神经网络（RNN）或卷积神经网络（CNN），在多个NLP任务上取得了显著的成功。Transformer的基本结构Transformer模型的核心由编码器（Encoder）和解码器（Decoder）两部分组成，每个部分由多个相同的层堆叠而成。
2024-06-27 19:46:14
1261
原创 基于注意力的机器翻译
带有注意力机制的编码器-解码器（Encoder-Decoder with Attention）是一种常用于机器翻译等任务的深度学习模型结构。它通过编码器将输入序列编码成一个语义表示，并通过解码器将这个语义表示解码成目标序列。同时，注意力机制可以帮助模型在解码时更好地关注输入序列中与当前位置相关的部分，提升翻译的准确性和流畅性。
2024-06-27 11:23:02
1867
原创 基于前馈神经网络进行姓氏分类
姓氏数据集，它收集了来自18个不同国家的10,000个姓氏，这些姓氏是作者从互联网上不同的姓名来源收集的。该数据集具有一些使其有趣的属性。第一个性质是它是相当不平衡的。排名前三的课程占数据的60%以上:27%是英语，21%是俄语，14%是阿拉伯语。剩下的15个民族的频率也在下降——这也是语言特有的特性。第二个特点是，在国籍和姓氏正字法(拼写)之间有一种有效和直观的关系。有些拼写变体与原籍国联系非常紧密(比如“O ‘Neill”、“Antonopoulos”、“Nagasawa”或“Zhu”)。
2024-06-27 10:41:03
1518
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