- 博客(4)
- 收藏
- 关注
RSS订阅原创 基于编码器-解码器结构并结合注意力机制的机器翻译简单实例
基于编码器-解码器结构并结合注意力机制的机器翻译简单实例1 实验内容简介2 编码器-解码器(Encoder-Decoder)模型2.1 编码器2.2 解码器2.3 模型训练3 Attention机制3.1 计算背景变量ct′\boldsymbol{c}_{t'}ct′3.2 更新隐藏状态4 实验步骤4.1读取与预处理数据4.2 构建含注意力机制的编码器-解码器结构4.2.1 编码器4.2.2 注意力机制4.2.3 含有注意力机制的解码器4.3 模型训练4.4 预测不定长序列4.5 模型评估1 实验内容简
2024-06-26 20:04:14
582
原创 自然语言处理之使用卷积神经网络实现姓氏分类任务
使用CNN(卷积神经网络)模型实现根据姓氏预测国籍的分类任务。一个卷积神经网络通常包含输入层、卷积层、激活函数层、池化层、全连接层、批量归一化层、DropOut层、输出层。一个卷积神经网络通常包含多个卷积层、激活层与池化层。输入层：是网络的起点，负责接收原始数据，例如图像或文本。卷积层：是CNN的核心，用于提取输入数据的局部特征。通过卷积运算，可以捕捉图像中的边缘、纹理等信息。常用卷积层参数包括卷积核大小、步长、填充等。激活函数层：引入非线性，使网络能够学习和表达更复杂的函数关系。
2024-06-26 20:03:59
938
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