NLP+机器翻译

免费的GPT可在线直接使用（一键收藏）

VisionAI在NLP界的应用领域广泛，能够胜任从机器翻译、文本概要撰写、情绪分析到问答等众多任务。通过对大量文本数据的
kkai人工智能·2024-09-16 05:15

轻量级模型解读——轻量transformer系列

文章目录1、DeiT2、ConViT3、Mobile-Former4、MobileViTTransformer是2017谷歌提出的一篇论文，最早应用于NLP领域的机器翻译工作，Transformer解读
lishanlu136·2024-09-16 01:18

transformer架构(Transformer Architecture)原理与代码实战案例讲解

transformer架构(TransformerArchitecture)原理与代码实战案例讲解关键词：Transformer,自注意力机制,编码器-解码器,预训练,微调,NLP,机器翻译作者：禅与计算机程序设计艺术
AI架构设计之禅·2024-09-14 16:47

英伟达（NVIDIA）B200架构解读

Transformer模型是一种自然语言处理（NLP）模型，广泛应用于机器翻译、文本生成等任务。TransformerEngine的电路设计原理主要包括以下几个方面：
weixin_41205263·2024-09-14 14:31

【拥抱AI】浅谈Prompt的书写规范及要点

在人工智能领域，Prompt通常用于生成文本，例如对话系统、机器翻译和文本摘要等应用。它也用于训练模型，以使其能够理解和生成人类语言。
奔跑草-·2024-09-12 13:19

《自然语言处理 Transformer 模型详解》

它摒弃了传统的循环神经网络（RNN）和卷积神经网络（CNN）架构，完全基于注意力机制，在机器翻译、文本生成、问答系统等众多任务中取得了卓越的性能。
黑色叉腰丶大魔王·2024-09-11 21:02

德克萨斯大学奥斯汀分校自然语言处理硕士课程汉化版(第十一周) - 自然语言处理扩展研究

多语言性的研究促进了机器翻译、跨语言信息检索和多语言对话系统等应用的发展。以下是多语言的几个主要研究方向和重要技术：多语言模型的构建，开发
Encarta1993·2024-09-09 16:44

NLP从零开始------17.文本中阶处理之序列到序列模型（2）

以中译英机器翻译为例，平行语料的每个数据点就是一句中文句子和对应的一句英文句子。机器翻译领域较为有名的平行语料库来自机器翻译研讨会(workshoponmachinetrans
人生百态，人生如梦·2024-09-04 22:20

AI 大模型在文本生成任务中的创新应用

本文将探讨AI大模型在文本生成任务中的创新应用，包括自动文摘、机器翻译、创意写作等领域。自动文摘自动文摘是指从给定文本中自动提取关键信息，生成简短摘要的过程。
AI_Guru人工智呢·2024-09-04 01:11

Hugging Face教程

从文本分类、情感分析到机器翻译和对话系统，NLP技术的应用日益广泛。
小牛笔记·2024-09-02 07:22

RNN及其变体

RNN及其变体RNN模型定义循环神经网络:一般接受的一序列进行输入,输出也是一个序列作用和应用场景:RNN擅长处理连续语言文本,机器翻译,文本生成,文本分类,摘要生成RNN模型的分类根据输入与输出结构NVsN
豫儿啊~·2024-08-31 22:28

文字模型训练分析评论（算法实战）

这类模型广泛应用于文本分类、情感分析、机器翻译、聊天机器人、摘要生成等多个方面。
富士达幸运星·2024-08-31 04:55

什么是LLM，主要用途有哪些，在应用中有哪些优势和局限性？

LLM在实际中的应用优势：1.多领域应用：自然语言处理：LLM在机器翻译、语音识别、文本生成等领域表现出色。智能对话系统：LLM能够提供与人类相似的聊天机器人体验。
好好学习的不知名程序员·2024-08-26 16:59

【机器学习】机器学习与大模型在人工智能领域的融合应用与性能优化新探索

文章目录引言机器学习与大模型的基本概念机器学习概述监督学习无监督学习强化学习大模型概述GPT-3BERTResNetTransformer机器学习与大模型的融合应用自然语言处理文本生成文本分类机器翻译图像识别自动驾驶医学影像分析语音识别智能助手语音转文字大模型性能优化的新探索模型压缩权重剪枝量化知识蒸馏分布式训练数据并行模型并行异步训练高效推理模型裁剪缓存机制专用硬件未来展望跨领域应用智能化系统人
E绵绵·2024-08-26 06:25

《跨越文化与语言的鸿沟：人工智能的挑战与机遇》

不同语言的语法结构、词汇用法和表达方式千差万别，这使得机器翻译等自然语言处理任务变得异常复杂。例如，某些语言中的词汇可能在其他
程序猿阿伟·2024-08-25 22:03

深度学习--复制机制

复制机制（CopyMechanism）是自然语言处理（NLP）中特别是在文本生成任务中（如机器翻译、摘要生成等）使用的一种技术。
Ambition_LAO·2024-08-25 21:28

【ShuQiHere】“从 One-Hot 到 GPT：窥探词表示技术的演变”

通过词表示，我们可以将文本中的词语转化为计算机能够理解和处理的数字向量，这为各种NLP任务，如文本分类、情感分析、机器翻译等，提供了强大的支持。
ShuQiHere·2024-08-25 08:06

探索Ruby的自然语言处理宝库：文本魔法的艺术

Ruby，作为一种优雅而富有表现力的编程语言，拥有一系列强大的NLP库，它们使得文本分析、情感分析、机器翻译等任务变得简单而高效。
2401_85743969·2024-08-25 05:47

人工智能中的语言模型演变

设计这些模型的目的是为了理解、人类语言的生成和处理，从自然语言处理到机器翻译甚至创意写作，这些模型日趋复杂且多功能，应用范围从自然语言处理到机器翻译，甚至创意写作。
机器之心AI·2024-08-23 01:27

什么是ChatGPT

它是基于Transformer架构的，拥有超过350GB的参数，可以进行各种自然语言处理任务，如语音识别、机器翻译、对话生成和问答等。
丨逐风者丨·2024-08-22 20:48

NLP技术

自然语言处理（NLP）技术可以应用在多个领域，例如机器翻译、情感分析、文本分类等。以下是几个例子：1.机器翻译：NLP技术可以将一种语言的文本自动翻译成另一种语言。
小天才dhsb·2024-03-13 00:47

小白看得懂的 Transformer

谷歌的Transformer模型最早是用于机器翻译任务，当时达到了SOTA效果。Transformer改进了RNN最被人诟病的训练慢的缺点，利用self-attention机制实现快速并行。
zy_zeros·2024-03-12 18:39

深度学习笔记１：神经网络端到端学习笔记

许多重要问题都可以抽象为变长序列学习问题（sequencetosequencelearning），如语音识别、机器翻译、字符识别。
撒哈拉土狼·2024-02-26 11:24

深度学习的进展

近年来，深度学习在多个领域取得显著进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等方面实现了突破性进展。
CuiXg·2024-02-25 18:59

Pytorch学习记录-接近人类水平的GEC（使用混合机器翻译模型）

五月第二周要结束了，接下来的三个月主要是文献阅读，准备8、9月的开题报告，技术类的文献集中在GEC和Textmaching的应用方面，读完之后找demo复现，然后应用。理论方面的论文也都是英文的8.NearHuman-LevelPerformanceinGrammaticalErrorCorrectionwithHybridMachineTranslation昨天一天没看论文，发现我文献阅读速度太
我的昵称违规了·2024-02-20 16:04

【Transformer】Transformer的简单了解：Positional Encoding、Self-attention、Batch 与 Layer Norm 等

自从2017年Transformer模型被提出以来，它已经从论文最初的机器翻译领域，转向语音，图像，视频等等方面的应用。
magic_ll·2024-02-20 16:38

ChatGPT和LLM

这种技术广泛应用于各种自然语言处理任务，如机器翻译、语音识别、文本生成等。而ChatGPT则是基于
小米人er·2024-02-20 08:58

深度学习的进展

近年来，深度学习在多个领域取得了显著的进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。
五行缺你94·2024-02-20 02:58

NLP_自然语言处理项目(2)：seq2seq_attention_机器翻译（基于PyTorch）

1、seq2seq_attention_机器翻译seq2seq_attention是一种基于神经网络的机器翻译模型，它通过编码器和解码器两个部分实现翻译功能。
@硬train一发·2024-02-19 18:56

【自然语言处理】seq2seq模型—机器翻译

xuetangx.com)代码和报告均为本人自己实现（实验满分），只展示主要任务实验结果，如果需要详细的实验报告或者代码可以私聊博主有任何疑问或者问题，也欢迎私信博主，大家可以相互讨论交流哟~~案例简介seq2seq是神经机器翻译的主流框架
X.AI666·2024-02-19 18:15

深度学习的应用实例

深度学习在各个领域都有广泛的应用，下面我将为您介绍一些在自然语言处理、计算机视觉、语音识别和机器翻译等领域的应用实例以及最新进展和突破。
数字化信息化智能化解决方案·2024-02-19 16:27

深度学习的进展

近年来，深度学习在多个领域取得了显著的进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。
JayGboy·2024-02-19 10:00

机器翻译及相关技术

机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。主要特征：输出是单词序列而不是单个单词。输出序列的长度可能与源序列的长度不同。
d64273b6f382·2024-02-15 08:21

[机器学习]详解transformer---小白篇

1.背景：Transformer是2017年的一篇论文《AttentionisAllYouNeed》提出的一种模型架构，这篇论文里只针对机器翻译这一种场景做了实验，并且由于encoder端是并行计算的，
是安澜啊·2024-02-15 08:11

人工智能

语音、图像、机器翻译、机器人、文本挖掘和分类。感觉机器学习自己挺感兴趣啊
阳光照我心房·2024-02-13 16:15

AI和人类到底啥关系?机器智能与人类智慧共存

就在刚刚结束的世界顶级机器翻译赛事之一——WMT2018国际机器翻译大赛上，达摩院“机器智能—NLP翻译团队”在提交的五项比赛中都获得冠军，成为比赛最大赢家。马云是这样“
一字之师顿悟·2024-02-13 14:58

王树森《RNN & Transformer》系列公开课

本课程主要介绍NLP相关，包括RNN、LSTM、Attention、Transformer、BERT等模型，以及情感识别、文本生成、机器翻译等应用ShusenWang的个人空间-ShusenWang个人主页
如何原谅奋力过但无声·2024-02-13 05:24

杰夫 · 迪恩：《深度学习的黄金十年：计算系统与应用》

即便五年前，有道推出有道神经网络翻译引擎（YNMT），使得翻译质量得到质的飞跃时，大家对机器翻译的质量仍然心存疑虑。但今天，人们甚至已经开始讨论未来是否还会存在翻译这个职业。
有道AI情报局·2024-02-13 05:47

网络兼职工作有什么职业？常见的网络兼职工作有哪些？

熟练的中英文翻译、翻译软件或机器翻译等都是常见的需求。大家好，我是[高省最大团队&联合创始人
万弧导师·2024-02-11 21:25

Bert与ChatGPT

它标志着自然语言处理（NLP）领域的一个重大进步，因为它能够理解单词在不同上下文中的含义，从而显著提高了机器翻译、问答系统、文本摘要等任务的性能。
ALGORITHM LOL·2024-02-11 07:24

NLP之transformer -Task01

常见的NLP任务本教程将NLP任务划分为4个大类：1、文本分类，2、序列标注，3、问答任务——抽取式问答和多选问答，4、生成任务——语言模型、机器翻译和摘要生成。
曼曼668·2024-02-10 11:55

beamsearch的计算过程和代码实现

Beamsearch（束搜索）是一种用于生成序列的搜索算法，常用于序列生成任务，例如机器翻译、语音识别和文本生成。它是一种启发式算法，旨在在生成序列时平衡搜索空间的广度和深度。
浅白Coder·2024-02-10 05:48

深度学习的进展

近年来，深度学习在多个领域取得了显著的进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。
Joseph DeRoss（周曦）·2024-02-10 02:10

【大厂AI课学习笔记】【1.5 AI技术领域】（9）机器翻译

今天学习的是机器翻译。关注我，我会将全部的脑图，在本内容完结的时候，发到资源共享中。
giszz·2024-02-09 10:17

C++课程设计：单词统计器

自然语言处理：在自然语言处理领域，单词统计是一种基本的文本分析技术，可以用于文本分类、情感分析、机器翻译等应用。数据分析：在数据分析领域，单词统计可以用于分析文本数据的特征，例如词频分布、词汇多
Feelings◎·2024-02-09 00:11

自然语言NLP

NLP的应用包括机器翻译、信息提取、问答系统、情感分析、语音识别和自动摘要等。NLP的目标是使计算机具备与人类相近的
Flying_Fish_roe·2024-02-08 09:50

【前沿技术杂谈：深度学习新纪元】探索人工智能领域的革命性进展

探索人工智能领域的革命性进展深度学习的进展深度学习的基本原理和算法深度学习的历史发展神经网络的基本构成神经元层次结构激活函数关键技术和算法反向传播算法卷积神经网络（CNN）循环神经网络（RNN）长短期记忆网络（LSTM）实际应用案例图像识别语音到文本转换自然语言处理深度学习的应用实例自然语言处理（NLP）：GPT-3应用实例：应用实例：语音识别应用实例：机器翻译应用
jcfszxc·2024-02-08 02:48

深度学习的探索与实践

近年来，深度学习在多个领域取得了显著的进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。
爱内卷的学霸一枚·2024-02-07 16:38

人工智能 | 深度学习的进展

近年来，深度学习在多个领域取得了显著的进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。
卡尔曼的BD SLAMer·2024-02-07 13:02

深度 | 从各种注意力机制窥探深度学习在NLP中的神威

它们可以实现语言建模、情感分析、机器翻译、语义解析等非常多的任务，这些序列建模任务可以使用循环神经网络、卷积神经网络甚至近来比较流行的Transformer。
机器学习算法那些事·2024-02-07 12:18
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他