【机器翻译】

《Attention Is All You Need》注意力机制公式中Q,K,V的理解

该文的两大亮点一是提出了一个几乎仅依靠注意力来完成机器翻译的模型Transformer，推动了NLP的发展，另外一个亮点是改进了点积注意力（Dot-ProductAttention），加入了一个缩放因子
Chermack·2022-09-13 17:48

用深度学习LSTM炒股：对冲基金案例分析

将序列模型应用于语音和文字，深度学习在语音识别、阅读理解、机器翻译等任务上
weixin_30787531·2022-09-07 16:33

涨姿势！用深度学习LSTM炒股：对冲基金案例分析

将序列模型应用于语音和文字，深度学习在语音识别、阅读理解、机器翻译等任务上取得了惊人的成就。今天用深度学习的序列模型预测股价已经取得了不错的效果，尤其是在对冲基金中。股价数据是典型的时
普通网友·2022-09-07 16:03

NLP基础

语音转文本、OCR词法分析中文分词词性标注实体识别下游句法分析语义分析词义消歧语义角色标注语义依存分析指代消解等篇章分析信息抽取关键词、实体、关系分类情感分类、垃圾邮件聚类相似文档归档高级自动问答自动摘要机器翻译流派基于规则基础研究
3阿谭·2022-09-07 10:33

【深度学习实战】【详细解读】基于Seq2Seq模型实现简单的机器翻译

官网地址：NLPFROMSCRATCH:TRANSLATIONWITHASEQUENCETOSEQUENCENETWORKANDATTENTION数据下载：数据基础知识：【深度学习实战】从零开始深度学习（四）：RNN与自然语言处理目录1.导入需要的包2.读入数据3.数据预处理——建立数据集4.模型搭建4.1编码器4.2解码器4.3注意力机制——改善解码器5.模型训练6.模型评估7.注意力权重可视化
喵木木·2022-09-06 07:41

吴恩达深度学习 5.1 序列模型-循环神经网络

机器翻译：两种不同语言之间的转换。输入和输出都是序列。视频行为识别：识别输入的视频帧序列中的人物行为。命名实体识别：从输入的句子中识别实体的名字。
垚焱焱·2022-09-03 19:46

自然语言处理技术的进展和趋势

2019年，技术进展方面主要体现在预训练语言模型、跨语言NLP/无监督机器翻译、知识图谱发展+对话技术融合、智能人机交互、平台厂商整合AI产品线。
淋风沐雨·2022-09-02 07:49

深度学习-卷积神经网络—卷积操作详细介绍

我是这样认为深度学习的：深度学习能从数据中学习层次表示；端到端学习：将原始输入去预测；能使用一小套工具来解决很多问题；在数据挖掘、机器学习、机器翻译、NLP等相关领域取得了迅速的发展深度学习灵感来自于大脑
chenx117·2022-08-31 07:46

Transformer原理以及运行机制

最开始引入transformer是应用在机器翻译上。最初，在机器翻译上，我们应
萤萤小侠y·2022-08-29 07:26

Transformer 代码+原理

残差连接编码器解码器线性层和softmax输入层为什么要这么设计位置编码referenceTheIllustratedTransformer图解transformer总览首先，将transformer视为黑匣子，在机器翻译任务中
一只小菜狗:D·2022-08-29 07:53

Transformer的基本原理

1.Seq2Seq框架1.1.Seq2Seq框架概述Seq2Seq[1]框架最初是在神经机器翻译（NeuralMachineTranslation，NMT）领域中提出，用于将一种语言（sequence）
zhiyong_will·2022-08-29 07:07

学习笔记【机器翻译评测指标】

机器翻译评测指标1.BLEU基于n-gram的精度度量。
hei_hei_hei_·2022-08-28 07:10

自然语言处理入门

什么是自然语言处理自然语言处理（NaturalLanguageProcessing,简称NLP）是计算机科学与语言学中关注于计算机与人类语言间转换的领域.自然语言处理的发展简史自然语言处理的应用场景语音助手机器翻译搜索引擎智能问答
AI耽误的大厨·2022-08-26 21:12

自然语言处理NLP 2022年最新综述：An introduction to Deep Learning in Natural Language Processing

AnintroductiontoDeepLearninginNaturalLanguageProcessing:Models,techniques,andtools摘要深度学习技术在NLP中的应用；NLP研究中的主要资源，包括软件，硬件和受欢迎的语料库；主要局限性 一、简而言之如机器翻译
Momahe·2022-08-26 21:41

一文了解基于深度学习的自然语言处理研究

深度学习的迅速发展受到了学术界和工业界的广泛关注，由于其拥有优秀的特征选择和提取能力，对包括机器翻译、目标识别、图像分割等在内的诸多任务中产生了越来越重要的影响。
ZZ同学·2022-08-26 21:39

【NLP】一文了解基于深度学习的自然语言处理研究

深度学习的迅速发展受到了学术界和工业界的广泛关注，由于其拥有优秀的特征选择和提取能力，对包括机器翻译、目标识别、图像分割等在内的诸多任务中产生了越来越重要的影响。
风度78·2022-08-26 21:06

鹏城实验室“鲲鹏”人才引育计划（2022-2025年）

目前已建成以“鹏城云脑”为代表的若干重大科技基础设施与平台，发布了“丝路”多语言机器翻译平台、“鹏程-盘古”中
边缘计算社区·2022-08-26 10:16

为什么用PyTorch？PyTorch如何支持深度学习？

为什么用PyTorch通过将模型应用到例证，深度学习允许我们执行很多复杂任务，如机器翻译、玩战略游戏以及在杂乱无章的场景中识别物体等。
人邮异步社区·2022-08-25 07:18

第二十天自然语言处理

目录自然语言处理(NLP)一、NLP概述1.NLP的定义2.NLP的主要任务1）分词2）词义消歧3）命名实体识别（NER）4）词性标记（PoS）5）文本分类6）语言生成5）问答（QA）系统6）机器翻译（
呆呆网友·2022-08-24 09:59

小米AI实验室最新研究论文收录于COLING 2022，介绍一种更有效的鲁棒性神经机器翻译训练方法...

小米AI实验室联合厦门大学提出的一种更有效的鲁棒神经机器翻译训练方法被COLING2022接收
小米技术·2022-08-24 09:26

【一文讲解深度学习】语言自然语言处理（NLP）第一篇

【一文讲解深度学习】语言自然语言处理（NLP）博主介绍自然语言处理概述NLP的定义NLP的主要任务分词词义消歧识别物体识别（NER）词性标注（PoS）文本分类语言生成问答（QA）系统机器翻译（MT）NLP
苏州程序大白·2022-08-24 07:17

自然语言处理概述

一、自然语言处理自然语言处理（NatureLanguageProcessing，NLP）是目前机器学习主要应用的一个方向，其在人机对话，知识图谱，机器翻译等领域普遍应用，涉及到的技术广泛，融合了语言学、
JaysonWong·2022-08-24 07:32

torch 循环神经网络torch.nn.RNN()和 torch.nn.RNNCell()

循环神经网络，处理时间序列数据的老朋友了，虽然使用不当经常带来噪声放大的问题，，，，但效果还是很可以的，比如在机器翻译任务上。
Guapifang·2022-08-21 13:52

【动手学习pytorch笔记】30.seq2seq

seq2seq理论编码器是一个RNN，因为任务是机器翻译，所以是双向的解码器用另外一个RNN输出之前看过Transformer对这个很熟悉需要注意的一点是，在做训练和做推理的时候是有区别的在训练时，我们是有正确的翻译的
我已经吃饱了·2022-08-21 07:52

结合NAACL2022对计算语言学趋势的思考与分析

NAACL主要涉及对话、信息抽取、信息检索、语言生成、机器翻译、多模态、统计机器学习等多个方面。
zenRRan·2022-08-14 11:48

CCD什么是深度学习

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。
爱发猫·2022-08-13 18:39

NLP领域的最新研究进展

为了回答这个问题，在本次DataFun举办的自然语言处理峰会上，我们邀请了NLP领域的领衔专家和学者，共同精选了大模型预训练、自然语言生成、多模态理解、人机对话与交互、信息抽取与检索、产业创新与实践、机器翻译与同传等
Datawhale·2022-08-12 14:33

深度学习前沿技术摘要

representativetask图像分类目标检测，目标跟踪，动作检测实例分割超分辨率（去马赛克）去雾去雪3D重建风格迁移OCR（光学字符识别）自然语言处理（NLP）文本分类文本标签实体抽取句法依存语义消歧情感分析机器翻译自然语言理解
YuCong Wang·2022-08-09 20:50

吴恩达深度学习 5.3 序列模型和注意力机制

1.知识点sequencetosequence模型：编码网络和解码网络imagetosequence模型：卷积，全连接，输出序列，对序列解码机器翻译：条件语言模型，相对于语言模型总是以零向量开始，机器翻译以每个单词的一系列向量作为输入
垚焱焱·2022-08-04 18:46

Python吴恩达深度学习作业23 -- 机器翻译（NMT）

神经机器翻译你将建立一个神经机器翻译（NMT）模型，以将人类可读的日期（“25thofJune,2009”）转换为机器可读的日期（“2009-06-25”）。
Puzzle harvester·2022-08-04 18:14

一文带你了解机器翻译

导读：机器翻译是个学术味和生活味都特别浓的词。
hzbooks·2022-08-02 07:26

Transformer 代码完全解读！

Transformer在很多不同nlp任务中获得了成功，例如：文本分类、机器翻译、阅读
AI科技大本营·2022-07-31 07:51

Transformer模型详细解读（理论篇）

Google提出的一篇关于Attention应用实践的论文，论文中提出了基于Attention机制的Transformer模型，以及大量使用了多头注意力机制（Multi-Head）,该模型已被广泛运用在机器翻译
人工智能小a·2022-07-31 07:20

2022-07-29 深度学习Python笔记

Transformer是什么：仍是机器翻译模型，基本构成是Seq2Seq模型，但在各个方面都取得很好的效果。
昨夜小楼又冬粉·2022-07-30 12:14

HMS Core Discovery第16期回顾|与虎墩一起，玩转AI新“声”态

本期Discovery直播以《与虎墩一起，玩转AI新“声”态》为主题，邀请了HMSCore机器学习服务产品经理、机器翻译高级专家以及HMSCore的新朋友“虎墩”，为大家展示机器学习的语音语言创新技术，
·2022-07-29 10:02

HMS Core Discovery第16期回顾|与虎墩一起，玩转AI新“声”态

本期Discovery直播以《与虎墩一起，玩转AI新“声”态》为主题，邀请了HMSCore机器学习服务产品经理、机器翻译高级专家以及HMSCore的新朋友“虎墩”，为大家展示机器学习的语音语言创新技术，
HMSCore技术团队·2022-07-29 09:00

一种辅助整理WoS英文论文题录文档的方法（python-docx）

目录1.WoS导出Excel题录2.机器翻译3.基于py
Pluto_Ct·2022-07-29 07:23

HMS Core Discovery第16期直播预告|与虎墩一起，玩转AI新“声”态

本期Discovery直播以《与虎墩一起，玩转AI新“声”态》为主题，邀请了HMSCore机器学习服务产品经理、机器翻译高级专家以及我们的好朋友“虎墩”，展示机器学习的语音语言创新技术，分享人工智能的宏观发展趋势
·2022-07-22 10:23

[论文精读]Attention Is All You Need

,这些结构往往包含编码器和解码器架构.表现最好的模型使用注意力机制将编码器和加码器连接起来.作者提出一种新的简单的网络,transformer,仅仅使用注意力机制,完全抛弃了循环结构和卷积结构.在两个机器翻译任务上的实验表明
Remember00000·2022-07-22 07:20

实体识别入门代码实战

概念命名实体识别（NamedEntityRecognition，NER）是NLP中一项非常基础的任务，NER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。
计算机视觉linke·2022-07-21 07:02

（pytorch进阶之路七）Attention Based Seq2Seq

文章目录概述encoder代码decoder代码数据预处理注意事项编写模型需要注意事项概述seq2seq模型可以运用到机器翻译、序列建模、词性标注、缺失值预测、音乐建模、语音翻译等等任务seq2seq主要分为
likeGhee·2022-07-21 07:48

《Attention Is All You Need》

https://arxiv.org/abs/1706.03762谷歌于2017年发布论文《AttentionIsAllYouNeed》，提出了一个只基于attention的结构来处理序列模型相关的问题，比如机器翻译
郑烯烃快去学习·2022-07-21 07:06

python 和 scikit-learn 实现垃圾邮件过滤

目前，在机器学习模型的帮助下，包括情绪分析，文件分类，话题分类，文本总结，机器翻译等在内的诸多文本挖掘应用都已经实现了自动化。
weixin_30952103·2022-07-20 09:10

CTC Algorithm Explained Part 1：Training the Network（CTC算法详解之训练篇）

现实应用中许多问题可以抽象为序列学习（sequencelearning）问题，比如词性标注（POSTagging）、语音识别（SpeechRecognition）、手写字识别（HandwritingRecognition）、机器翻译
yjhworm·2022-07-19 07:00

[深度学习学习笔记]注意力机制-Attentional mechanism

  注意力机制最早在自然语言处理和机器翻译对齐文本中提出并使用，并取得了不错的效果。在计算机视觉领域，也有一些学者探索了在视觉和卷积神经网络中使用注意力机制来提升网络性能的方法。
Slientsake·2022-07-17 07:01

AAAI2018中的自注意力机制(Self-attention Mechanism)

去年6月，google机器翻译团队在arXiv上的《Attentionisallyouneed》论文受到了大家广泛关注，其中，他们提出的自注意力（self-attention）机制和多头（multi-he
weixin_30689307·2022-07-10 13:31

深度学习系列 -- 序列模型和注意力机制（Sequence models & Attention mechanism）

（BeamSearch）2.1优化：长度标准化2.2误差分析3Blue得分4注意力模型5语音识别6触发词检测1Seq2Seq模型Seq2Seq（Sequence-to-Sequence）模型能够应用于机器翻译
奋起的小渣渣·2022-07-10 13:58

Transformer新型神经网络在机器翻译中的应用 | 百万人学AI

在讲课开始之前先简短的做个自我介绍，我是博士毕业于中国科学院计算技术研究所，方向是机器翻译的方向，目前在阿里巴巴翻译平台担任翻译模型组负责人，主要是为阿里巴巴的跨境电商贸易提供丰富的语言支持，让跨境贸易没有语言障碍
喜欢打酱油的老鸟·2022-07-10 07:19

编码器-解码器(seq2seq)

Encoder)1.2.2、解码器(Decoder)1.2.3、合并编码器和解码器2、seq2seq模型2.1、编码器2.2、解码器2.3、编码器-解码器细节2.4、训练&推理2.5评价指标-BLEU3、机器翻译代码
CityD·2022-07-10 07:14

【前沿】详细讲解Transformer新型神经网络在机器翻译中的应用

在讲课开始之前先简短的做个自我介绍，我是博士毕业于中国科学院计算技术研究所，方向是机器翻译的方向，目前在阿里巴巴翻译平台担任翻译模型组负责人，主要是为阿里巴巴的跨境电商贸易提供丰富的语言支持，让跨境贸易没有语言障碍
zenRRan·2022-07-10 07:02
上一页 26 27 28 29 30 31 32 33 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他