- 博客(3)
- 收藏
- 关注
RSS订阅原创 基于Transformer实现机器翻译（日译中）
Transformer 是一种革命性的深度学习模型架构，最初由Vaswani等人在2017年提出，专门设计用于处理序列到序列（sequence-to-sequence）任务，如机器翻译、文本摘要等。它摒弃了传统的循环神经网络（RNNs）和卷积神经网络（CNNs），采用全新的注意力机制来实现更高效的并行化计算，从而显著提升了处理长距离依赖和全局信息的能力。
2024-06-24 21:17:20
908
原创 基于含注意力机制的编码器—解码器来进行机器翻译
当我们谈论机器翻译时，我们指的是利用计算机和人工智能技术来将一种语言的文本自动转换成另一种语言的过程。机器翻译的发展源远流长，从最早的基于规则的方法发展到如今基于统计和神经网络的先进技术。机器翻译的主要目标是消除语言障碍，帮助人们在不同语言之间进行有效的沟通和理解。它在国际贸易、跨文化交流、科学研究等领域发挥着重要作用。随着人工智能技术的进步，机器翻译系统在翻译质量和速度上都有了显著提升，尽管仍然面临一些挑战，如语义理解和文化差异的准确处理。
2024-06-24 20:12:49
865
原创 基于多层感知器(MLP)的姓氏分类
多层感知机（MLP）是一种前馈神经网络，由至少三层神经元组成：输入层、隐藏层（可能有多层），以及输出层。每一层都与下一层全连接，每个连接都有一个权重。MLP是一种通用函数逼近器，它可以学习并表示复杂的非线性关系。本次实验旨在利用MLP（多层感知机）进行姓氏分类。MLP是一种前馈神经网络，由输入层、隐藏层和输出层组成。在这个实验中，我们将使用一个包含姓氏及其对应国家或地区的数据集。首先，我们将对姓氏进行预处理，将其转换为数字向量表示，并对数据进行归一化处理。
2024-06-09 19:50:23
1171
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