- 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模型是一种革命性的神经网络架构，由谷歌大脑团队在2017年提出，彻底改变了序列到序列任务的处理方式。其核心在于自注意力机制，使得模型能够高效地捕捉输入序列中元素之间的依赖关系，从而实现并行化和更快的模型训练速度。相较于传统的递归或卷积结构，Transformer通过编码器-解码器架构以及位置编码的引入，能够在保持全局感知的同时处理长距离依赖，这使得它在多个自然语言处理任务中展现出卓越的泛化能力和效果，成为推动机器翻译、文本摘要等领域进步的重要技术驱动力。
2024-06-25 10:27:46
819
原创 自然语言处理--机器翻译
机器翻译（Machine Translation, MT）是指利用计算机和人工智能技术，将一种自然语言的文本自动翻译成另一种自然语言的过程。其目的是实现语言之间的跨越式沟通和理解，以便在全球范围内消除语言障碍。随着深度学习和神经网络技术的发展，机器翻译在准确性和流畅度上取得了显著进展，逐渐成为日常生活和商业领域中不可或缺的工具之一。编码器的主要任务是将源语言文本(源词序列)编码为向量表示。编码器的输入是源词序列，输出是一个隐藏状态向量。隐藏状态向量捕捉源词序列的语义信息。
2024-06-25 09:09:24
1881
原创 自然语言处理前馈神经网络（姓氏分类）
多层感知机（Multilayer Perceptron，简称MLP），是一种基于前馈神经网络（Feedforward Neural Network）的深度学习模型，由多个神经元层组成，其中每个神经元层与前一层全连接。多层感知机可以用于解决分类、回归和聚类等各种机器学习问题。多层感知机的每个神经元层由许多神经元组成，其中输入层接收输入特征，输出层给出最终的预测结果，中间的隐藏层用于提取特征和进行非线性变换。每个神经元接收前一层的输出，进行加权和和激活函数运算，得到当前层的输出。
2024-06-24 20:01:00
1161
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