【机器翻译】第28页

李宏毅机器学习笔记5--RNN

其实感觉课程中关于RNN这部分讲的不是很细，很多都是泛泛而谈大体的框架，有点晕……RNN引入RecurrentNeuralNetwork搭建的目的是为了使神经网络有一定记忆，可以储存之前的输入，这对对话系统、机器翻译等等有很大帮助

Zach要努力·2022-11-18 11:07

基于seq2seq的机器翻译系统

目录前言1.模型结构1.1encoder1.2decoder2.数据处理2.1数据集2.2字典构建2.3特殊符号3.参数加载3.1库的导入3.2词典导入4.准备训练集4.1导入原始训练数据4.2词典修改4.3加载数据集5.Encoder6.Decoder7.模型训练7.1输入格式7.2线性映射层7.3超参数设置7.4具体训练8.模型预测9.图形交互界面前言前段时间老师推荐过进行LSTM方向的研究，

cuguanren·2022-11-17 21:17

BERT预训练模型学习笔记

1.Transforme1.1要做一件什么事基本组成依旧是机器翻译模型中常见的Seq2Seq网络输入输出都很直观，其核心架构就是中间的网络设计了MxN，输入M，输出N1.2传统的RNN网络有什么问题传统

程哥哥吖·2022-11-17 20:36

【论文阅读】Whisper: Robust Speech Recognition via Large-Scale Weak Supervision

RobustSpeechRecognitionviaLarge-ScaleWeakSupervision1.引言2.方法2.1数据处理2.2模型2.3多任务设置2.4训练细节3.实验结果3.1Zero-shot3.2多语言语音识别3.3多语言机器翻译

adam-liu·2022-11-17 07:01

Keras深度学习实战（36）——基于编码器-解码器的机器翻译模型

Keras深度学习实战（36）——基于编码器-解码器的机器翻译模型0.前言1.模型与数据集分析1.1数据集分析1.2模型分析2.基于编码器-解码器结构的机器翻译模型2.1基于编码器-解码器体系结构2.2

盼小辉丶·2022-11-16 10:07

python基于神经机器翻译技术的翻译网站实现

摘要机器翻译一直是人工智能领域里的一个重要研究对象，本文应用神经机器翻译技术，实现了从数据预处理到模型训练与模型部署的全流程，并实现了一个可以跨平台访问的翻译网站供需要的人使用。

weixin_ancenhw·2022-11-15 09:13

FaceBook-NLP工具Fairseq

1.简介作为一个通用的序列建模工具，fairseq可以在多个自然语言处理任务上使用，如机器翻译、自动摘要、语音识别等文本生成任务，或者BERT、GPT等语言模型的训练；同时fairseq还实现了目前常用的多数模型

comli_cn·2022-11-15 09:11

文档级机器翻译综述:A Survey on Document-level Machine Translation: Methods and Evaluation

文档级机器翻译综述：ASurveyonDocument-levelMachineTranslation:MethodsandEvaluationauthor：SameenMaruf,FahimehSaleh

surrender2u·2022-11-15 09:11

最终篇！AAAI 2022值得读的NLP论文盘点

©PaperWeekly原创·作者|王馨月单位|四川大学研究方向|自然语言处理机器翻译1.1FCL论文标题：Frequency-AwareContrastiveLearningforNeuralMachineTranslation

PaperWeekly·2022-11-14 10:19

ICBU可控文本生成技术详解

本文我们聚焦于输入文本生成文本的Text-to-Text任务，具体地包括神经机器翻译、智能问答、生成式文本摘要等。作者|刘森来源|阿里技术公众号可控文本生成

阿里云云栖号·2022-11-13 00:03

Transformer原理解析及机器翻译的应用

基于Seq2Seq模型的机器翻译引入Attention的Seq2Seq模型-机器翻译Transformer首先，可以思考为什么会需要Transformer？

我就算饿死也不做程序员·2022-11-12 04:23

Transformer论文精读

在两个机器翻译任务上的实验表明，这些模型在质量上是优越的，同时具有更高的并行性，需要更少的训练时间。ModelArchitectur

bugmaker.·2022-11-11 14:01

transformer必考知识点

答：trm提出于NIPS-2017，其最先应用于机器翻译领域，其没有采用循环递归结构和卷积结构。其主要利用了self-attention机制来学习上下文语义信息。trm主要

#苦行僧·2022-11-10 23:43

浅析大规模多语种通用神经机器翻译方法

导语：只训练一个模型就能够支持在多个语言之间的翻译作者｜陈贺轩单位｜小牛翻译陈贺轩，东北大学自然语言处理实验室研究生，研究方向为机器翻译。

喜欢打酱油的老鸟·2022-11-10 12:28

多目标机器学习_浅析大规模多语种通用神经机器翻译方法

作者｜陈贺轩编辑|唐里目前，神经机器翻译(NMT)已经成为在学术界和工业界最先进的机器翻译方法。最初的这种基于编码器-解码器架构的机器翻译系统都针对单个语言对进行翻译。

weixin_39854923·2022-11-10 12:58

机器翻译：基础与模型（Machine Translation: Foundations and Models）

引言：这是一个教程，目的是对机器翻译的基础知识和建模方法进行较为系统的介绍，并在此基础上对机器翻译的一些前沿技术展开讨论（前身为《机器翻译：统计建模与深度学习方法》）。

同稚君·2022-11-10 12:27

阿里多语言翻译模型的前沿探索及技术实践

分享嘉宾：张志锐博士阿里达摩院算法专家编辑整理：曾辉出品平台：DataFunTalk导读：本文的主题为阿里多语言翻译模型的前沿探索及技术实践，将分三个部分介绍阿里巴巴在机器翻译方面的工作：首先是多语言神经网络机器翻译的动机

zenRRan·2022-11-10 12:55

低精度神经网络：从数值计算角度优化模型效率

作者丨林野学校丨东北大学自然语言处理实验室2019级博士生研究方向丨机器翻译、模型压缩、模型加速背景近年来，随着人工智能的不断兴起，神经网络已经在语音识别、计算机视觉和自然语言处理领域等多个任务上取得了重大突破

PaperWeekly·2022-11-10 12:53

NAACL 2022 | 字节和加州大学提出ConST模型，探讨对比学习如何助力语音翻译？

机器翻译必然是其中之一。除了纯文本信息的传播，随着流媒体越来越普及，语音翻译有着越来越广泛的应用：大到国际会议的翻译，小到电影电视等视频翻译的字幕。

TechBeat人工智能社区·2022-11-10 12:53

共话机器翻译新风向，第二届小牛翻译论坛启幕在即

1949年7月15日，美国数学家WarrenWeaver发表了《翻译备忘录》，提出了机器翻译的概念。

PaperWeekly·2022-11-10 12:23

机器翻译书籍、教材推荐 ——《机器翻译：基础与模型》肖桐朱靖波著

胤风·2022-11-10 12:52

百分点认知智能实验室：如何打造工业级的机器翻译

编者按机器翻译是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程，不同于目前的主流机器翻译，大多是基于神经机器翻译，实现单纯的机器翻译，打造兼具稳定、易用、高效并符合用户需求的工业级翻译产品

Percent_bigdata·2022-11-10 12:52

机器翻译前沿十问：开源来源于无私的分享 | 东北大学肖桐专访

‍‍【专栏：前沿进展】机器翻译是自然语言处理领域最活跃、最充满希望的方向之一。机器翻译也从SMT（统计机器翻译）过渡到了NMT（神经机器翻译）的时代，深度学习的崛起也为主流范式注入了新希望。

智源社区·2022-11-10 12:21

【大咖说Ⅳ】肖桐教授：机器翻译中的高效神经网络模型

欢迎来到2022CCFBDCI大咖说系列专题报告听顶级专家学者围绕特定技术领域或选题，讲述自身成果的研究价值与实际应用价值便于广大技术发烧友、大赛参赛者吸收学术知识，强化深度学习每周一、三、五，「大咖说」与你相约“一碗数据汤”~本期大咖：肖桐，教授、博士生导师，东北大学计算机学院人工智能系系主任，东北大学自然语言处理实验室主任，小牛翻译联合创始人。于东北大学计算机专业获得博士学位，曾赴英国剑桥大学

DataFountain数据科学·2022-11-10 12:50

Word2Vec进阶 -GPT2

Word2Vec进阶-GPT2–潘登同学的NLP笔记文章目录Word2Vec进阶-GPT2--潘登同学的NLP笔记GPT2网络结构预训练任务机器翻译自动摘要生成阅读理解Zero-shot,One-shot

PD我是你的真爱粉·2022-11-10 10:08

论文 | 图理论 | 2021年斯坦福大学Jiaxuan You博士论文《用图赋能深度学习》译读第一章引言

例如，深度学习为人脸识别(使用图像数据)、机器翻译(使用文本数

守望者白狼·2022-11-10 10:38

Keras深度学习实战（35）——构建机器翻译模型

Keras深度学习实战（35）——构建机器翻译模型0.前言1.模型与数据集分析1.1模型分析1.2数据集分析2.实现机器翻译模型2.1预处理数据2.2传统多对多架构2.3使用具有多个隐藏层的模型架构小结系列链接

盼小辉丶·2022-11-09 10:08

【动手学深度学习】李沐——循环神经网络

本文内容目录序列模型文本预处理语言模型和数据集循环神经网络RNN的从零开始实现RNN的简洁实现通过时间反向传播门控循环单元GRU长短期记忆网络（LSTM）深度循环神经网络双向循环神经网络机器翻译与数据集编码器

FavoriteStar·2022-11-09 04:52

【自然语言处理】Seq2Seq网络和attention机制

seq2seq最常用的场景就是机器翻译，把输入串分词并表示成词向量，每个时刻一个词语输入到编码网络中，并利用EOS作为句

CC‘s World·2022-11-09 03:28

Keras深度学习实战（33）——基于LSTM的序列预测模型

Keras深度学习实战（33）——基于LSTM的序列预测模型0.前言1.序列学习任务1.1命名实体提取1.2文本摘要1.3机器翻译2.从输出网络返回输出序列2.1传统模型体系结构2.2返回每个时间戳的网络中间状态序列

盼小辉丶·2022-11-06 09:48

《自然语言处理简明教程》读书笔记：前言

自然语言处理的目的在于建立各种自然语言处理系统，如机器翻译系统、自然语言理解系统、信息自动检索系统、信

feiwen110·2022-11-04 17:36

时间序列预测 | Python实现Transformer时间序列数据预测

Python实现Transformer时间序列数据预测基本介绍Transformer设计Transformer预测参考资料基本介绍Transformer模型最初由Google团队于2017年提出并应于机器翻译

小橘算法屋·2022-11-04 01:56

【技术分享】基于编码注入的对抗性NLP攻击

使用人眼无法察觉的特定于编码的扰动来操纵从神经机器翻译管道到网络搜索引擎的各

智安网络·2022-11-03 15:53

基于python的神经网络在图像识别和自然语言处理上的应用

在自然语言处理方面，RNN、LSTM等方法能够有效提取语言之间的前后顺序和相互关系，在机器翻译、语言生成等任务取得了非常好的效果。

CAE320·2022-11-03 08:58

论文总结：基于深度学习的图像风格迁移研究

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，图像处理，自然语言处理，多媒体学习，语音，推荐和个性化技

FlynnLi·2022-11-01 11:31

NLP 学习之：2022.10.27 阶段性文章总结和筛选

文章目录Transformer文章视频BERTpytorch课程其他Transformer文章Transformer是如何实现机器翻译的？

暖仔会飞·2022-11-01 03:08

快递单信息抽取【二】基于ERNIE1.0至ErnieGram + CRF预训练模型

contributionType=11.ERNIE1.0完成快递单信息抽取命名实体识别是NLP中一项非常基础的任务，是信息提取、问答系统、句法分析、机器翻译等众多NLP任务的重要基础工具。

·2022-10-30 22:40

Encoder-Decoder -编码器解码器架构(RNN循环神经网络)

文章目录编码器-解码器架构编码器解码器合并编码器和解码器小结编码器-解码器架构正如我们之前所讨论的，机器翻译是序列转换模型的一个核心问题，其输入和输出都是长度可变的序列。

Gaolw1102·2022-10-30 07:49

Seq2Seq - 序列到序列的学习(RNN循环神经网络)

文章目录序列到序列学习(Seq2Seq)编码器解码器损失函数训练预测预测序列的评估小结序列到序列学习(Seq2Seq)正如我们在之前中看到的，机器翻译中的输入序列和输出序列都是长度可变的。

Gaolw1102·2022-10-30 03:22

注意力机制 - Bahdanau注意力

文章目录Bahdanau注意力1-模型2-定义注意力解码器3-训练4-小结Bahdanau注意力我们在9.7节中探讨了机器翻译问题：通过设计⼀个基于两个循环神经⽹络的编码器-解码器架构，⽤于序列到序列学习

未来影子·2022-10-30 03:15

李沐动手学深度学习V2-基于注意力机制的seq2seq

一.基于注意力机制的seq2seq1.Bahdanau注意力介绍在前面博客李沐动手学深度学习V2-seq2seq和代码实现中探讨了基于seq2seq架构的机器翻译问题：通过设计一个基于两个循环神经网络的编码器

cv_lhp·2022-10-30 03:44

Bahdanau 注意力(具备注意力机制的Encoder-Decoder模型)

文章目录Bahdanau注意力模型定义注意力解码器训练小结Bahdanau注意力我们在Seq2Seq中探讨了机器翻译问题：通过设计一个基于两个循环神经网络的编码器-解码器架构，用于序列到序列学习。

Gaolw1102·2022-10-30 03:11

《SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC》翻译和笔记

机器翻译为主，校对中…背景知识PersonRe-IdentificationDataset：使用两台相机，每台对每个人捕获一张图像而建成的数据库。

rosqin·2022-10-29 07:39

各类PyTorch教程和案例的链接汇总（转载）

文章目录0前言1入门系列教程2入门实例3图像、视觉、CNN相关实现4对抗生成网络、生成模型、GAN相关实现5机器翻译、问答系统、NLP相关实现6先进视觉推理系统7深度强化学习相关实现8通用神经网络高级应用

Y_蒋林志·2022-10-28 15:59

Attention Is All You Need学习

在两个机器翻译任务上的实验表名，这些模型在质量上更优，

LinusYxc·2022-10-27 21:44

Meta 开源首个 AI 语音翻译系统，闽南话和英语可以直接语音互译

作者|李梅来源丨AI科技评论机器翻译是现今人类消除语言障碍、重建巴别塔的新工具。

语音之家·2022-10-27 18:05

自然语言处理学习笔记-lecture09-篇章分析

自然语言处理的处理单元分为字(编码、输入法)，词、短语(形态分析、汉语分词、词性标注、词义消歧、命名实体识别等)，句子(句法分析、语块分析、语义角色标注)，篇章(机器翻译、篇章推理、问答系统、自动摘要和情感分类等

尔呦·2022-10-24 18:42

P11机器学习--李宏毅笔记（Transformer Encoder）

EncoderresidualconnectionLayernormolizationFullyConnectnetworkEncoder架构改进Transformer也是seq2seq模型的一种，seq2seq模型有着广泛的运用，例如机器翻译

温涛·2022-10-24 18:39

Attention Is All You Need-笔记

在两个机器翻译任务上的实验表明，该模型具有更好的并行性parallelizable，训练时间明显

敷衍zgf·2022-10-24 18:06

【深度学习】05-01-Transformer-李宏毅老师21&22深度学习课程笔记

Transformer总结Sequence-to-sequence（Seq2seq）适用任务恰当任务：语音识别恰当任务：机器翻译恰当任务：语音翻译恰当任务：语音合成恰当任务：聊天机器人恰当任务：自然语言处理硬解任务

暖焱·2022-10-24 18:33

推荐频道

【机器翻译】