- 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模型是Google在2017年的"Attention is All You Need"这篇论文中首次提出的，这也是第一次在翻译模型中全面使用注意力机制而不再使用循环神经网络（RNN）的尝试。此后，我们可以看到众多基于Transformer的改进模型，比如受到广泛使用的BERT, GPT以及T5等。它凭借其强大的自注意力机制和并行计算能力，迅速在自然语言处理（NLP）领域中崭露头角，尤其在机器翻译任务中表现出色。
2024-06-27 11:30:25
460
原创 机器翻译（Machine Translation）
机器翻译（Machine Translation，简称MT）是指运用机器，通过特定的计算机程序将一种书写形式或声音形式的自然语言，翻译成另一种书写形式或声音形式的自然语言的过程。机器翻译是一门交叉学科，由计算机语言学、人工智能和数理逻辑等子学科构成，这些子学科又分别建立在语言学、计算机科学和数学的基础之上。机器翻译可以实现不同国家不同语言间的低成本交流，其主要优点包括成本低、易把控和速度快。机器翻译技术的发展经历了从基于规则的翻译方法，到基于统计的翻译方法，再到当前基于神经网络的翻译方法的演变。
2024-06-26 15:56:22
1228
原创 基于前馈神经网络(MLP与CNN)的姓氏分类
目录1. 引言2. 背景知识2.1 多层感知器（The Multilayer Perceptron）2.2卷积神经网络（Convolutional Neural Network）2.2.1卷积层（Convolutional Layer）2.2.2池化层（Pooling Layer）2.2.3全连接层（Fully Connected Layer）3.基于多层感知器的姓氏分类3.1 姓氏数据集(The Surname Dataset)3.2 词汇表、向量化器(Vocab
2024-06-09 16:50:38
878
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