- 博客(8)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 《FLAT: Chinese NER Using Flat-Lattice Transformer》论文详解
作者首先讨论了《Chinese NER Using Lattice LSTM》中关于lattice网络的应用，以及lattice网络所具有的优缺点。中，由于格子结构的复杂性和动态性，所以很难完全利用GPU资源进行并行计算，推理速度比较低。作者认为lattice的相对位置，对于NER识别来说很重要，所以使用了两个编码，，所有的关系均可以使用他们的头和尾两两组合来确定，例如。部分则是针对原来的 lattice 进行了改进，，既满足的长距离信息建模，也提升了计算效率。，进行了信息的扁平化。，就得到了新的模型。
2024-09-20 16:26:24
582
原创 《Simplify the Usage of Lexicon in Chinese NER》论文详解
Simplify the Usage of Lexicon in Chinese NER》论文的内容相对比较简单，在该论文中，作者首先讨论了一下经典的lattice，并讲明了lattice的优点和缺点，然后提出了使用词向量进行NER增强方法。作者没有使用注意力，而是使用了事先计算好的静态词频，目的是为了提升计算效率（但是也有很多复现中，直接使用self-attention取代了静态词频）。表示上面的加权函数，注意这里在计算时，对每一个类别是分开计算的，但是计算中所除的Z是按照全部统计的。
2024-09-20 16:21:25
686
原创 基于生成对抗网络（GAN）生成动漫头像
图为 WGAN-GP 训练1000 epoch的过程引言生成对抗网络（GAN）是深度学习领域的一项重大创新，其独特之处在于通过生成器和判别器之间的对抗训练，实现了对数据的无监督学习。这种创新性的训练方式使得 GAN 在图像生成、图像修复、超分辨率等领域取得了显著的成效，为人工智能带来了新的突破。GAN 的重要性在于其突破了传统生成模型的限制，通过引入对抗训练的思想，使得生成器能够学习到更加真实的样本分布。这不仅提高了生成器的生成质量，还为解决许多实际问题提供了新的思路和方法。同时，GAN 的应用
2024-01-24 20:16:12
2372
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人