機(jī)器人不僅需要人工智能（
AI）才能實(shí)現(xiàn)自主。他們還需要大量傳感器，傳感器融合以及邊緣的實(shí)時(shí)推理。之前我們已經(jīng)嘗到了深度卷積
神經(jīng)網(wǎng)絡(luò)的好處，如今來自激光雷達(dá)的更高數(shù)據(jù)處理的需求正在
推動(dòng)神經(jīng)網(wǎng)絡(luò)到新拓?fù)?/div>
2021-12-20 06:16:22
神經(jīng)網(wǎng)絡(luò)的發(fā)展可以追溯到二戰(zhàn)時(shí)期，那時(shí)候先輩們正想著如何用人類的方式去存儲(chǔ)和處理信息，于是他們開始構(gòu)建計(jì)算系統(tǒng)。由于當(dāng)時(shí)計(jì)算機(jī)機(jī)器和技術(shù)的發(fā)展限制，這一技術(shù)并沒有得到廣泛的關(guān)注和應(yīng)用。幾十年來
2018-06-05 10:11:50
吳恩達(dá)機(jī)器學(xué)習(xí)筆記之神經(jīng)網(wǎng)絡(luò)參數(shù)的反向傳播算法
2019-05-22 15:11:21
人們?nèi)ソ鉀Q溝通問題，于是機(jī)器翻譯應(yīng)運(yùn)而生。機(jī)器翻譯其實(shí)是利用計(jì)算機(jī)把一種自然語言翻譯成另一種自然語言的過程，基本流程大概分為三塊：預(yù)處理、核心翻譯、后處理。預(yù)處理是對(duì)語言文字進(jìn)行規(guī)整，把過長的句子通過
2018-07-06 10:30:22
了額外的機(jī)制——注意力機(jī)制，來幫助我們進(jìn)行調(diào)序。下面我們用一張示意圖來看一下，基于RNN的神經(jīng)機(jī)器翻譯的流程：首先我們通過分詞得到輸入源語言詞序列，接下來每個(gè)詞都用一個(gè)詞向量進(jìn)行表示，得到相應(yīng)的詞向量序列
2018-07-06 10:46:12
目前，神經(jīng)機(jī)器翻譯（NMT）已經(jīng)成為在學(xué)術(shù)界和工業(yè)界最先進(jìn)的機(jī)器翻譯方法。最初的這種基于編碼器-解碼器架構(gòu)的機(jī)器翻譯系統(tǒng)都針對(duì)單個(gè)語言對(duì)進(jìn)行翻譯。近期的工作開始探索去擴(kuò)展這種辦法以支持多語言
2020-11-23 12:14:06
神經(jīng)網(wǎng)絡(luò)Matlab程序
2009-09-15 12:52:24
神經(jīng)網(wǎng)絡(luò)基本介紹
2018-01-04 13:41:23
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴于上位機(jī)。所以要解決的主要是兩個(gè)
2022-01-11 06:20:53
神經(jīng)網(wǎng)絡(luò)簡介
2012-08-05 21:01:08
近年來，深度學(xué)習(xí)的繁榮，尤其是神經(jīng)網(wǎng)絡(luò)的發(fā)展，顛覆了傳統(tǒng)機(jī)器學(xué)習(xí)特征工程的時(shí)代，將人工智能的浪潮推到了歷史最高點(diǎn)。然而，盡管各種神經(jīng)網(wǎng)絡(luò)模型層出不窮，但往往模型性能越高，對(duì)超參數(shù)的要求也越來越嚴(yán)格
2019-09-11 11:52:14
的越來越大的挑戰(zhàn)。結(jié)論機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)將沿著一條挑戰(zhàn)高效處理性能的發(fā)展道路繼續(xù)闊步前進(jìn)。先進(jìn)的神經(jīng)網(wǎng)絡(luò)架構(gòu)已經(jīng)顯現(xiàn)出優(yōu)于人類的識(shí)別精確性。用于生成網(wǎng)絡(luò)的最新框架，如 CDNN2，正在推動(dòng)輕型、低功耗嵌入式神經(jīng)網(wǎng)絡(luò)的發(fā)展。這種神經(jīng)網(wǎng)絡(luò)將使目前的高級(jí)輔助駕駛系統(tǒng)具有較高的精確性及實(shí)時(shí)處理能力。`
2017-12-21 17:11:34
基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
2019-05-16 17:25:05
MATLAB神經(jīng)網(wǎng)絡(luò)
2013-07-08 15:17:13
請(qǐng)問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
《 AI加速器架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)》+第一章卷積神經(jīng)網(wǎng)絡(luò)觀感
? ?在本書的引言中也提到“一圖勝千言”，讀完第一章節(jié)后，對(duì)其進(jìn)行了一些歸納（如圖1），第一章對(duì)常見的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了介紹，舉例了一些結(jié)構(gòu)
2023-09-11 20:34:01
`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測(cè)、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
2020-11-05 17:48:39
神經(jīng)網(wǎng)絡(luò)首先來看一下維基百科對(duì)神經(jīng)網(wǎng)絡(luò)的定義：人工神經(jīng)網(wǎng)絡(luò)（英語：Artificial Neural Network，ANN），簡稱神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）或類神經(jīng)網(wǎng)絡(luò)，在機(jī)器
2019-03-03 22:10:19
的拓?fù)浣Y(jié)構(gòu)，即將高位空間中相似的樣本點(diǎn)映射到網(wǎng)絡(luò)輸出層中的鄰近神經(jīng)元。SOM神經(jīng)網(wǎng)絡(luò)中的輸出層神經(jīng)元以矩陣方式排列在二維空間中，每個(gè)神經(jīng)元都擁有一個(gè)權(quán)向量，網(wǎng)絡(luò)在接收輸入向量后，將會(huì)確定輸出層獲勝神經(jīng)
2019-07-21 04:30:00
`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實(shí)由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向
2019-07-21 04:00:00
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個(gè)“網(wǎng)絡(luò)”，通過不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
人工神經(jīng)網(wǎng)絡(luò)課件
2016-06-19 10:15:48
，如何用一個(gè)神經(jīng)網(wǎng)絡(luò)，寫出一套機(jī)器學(xué)習(xí)算法，來自動(dòng)識(shí)別未知的圖像。一個(gè) 4 層的神經(jīng)網(wǎng)絡(luò)輸入層經(jīng)過幾層算法得到輸出層 實(shí)現(xiàn)機(jī)器學(xué)習(xí)的方法有很多，近年被人們討論得多的方法就是深度學(xué)習(xí)。 深度學(xué)習(xí)是一種實(shí)現(xiàn)
2018-05-11 11:43:14
簡單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
圖卷積神經(jīng)網(wǎng)絡(luò)
2019-08-20 12:05:29
全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
2019-06-06 14:21:42
機(jī)器學(xué)習(xí)算法篇--卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)（Convolutional Neural Network）
2019-02-14 16:37:29
卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？
2022-09-08 10:23:10
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問題，我們似乎可以給出相對(duì)簡明的答案。
2019-07-17 07:21:50
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢(shì)，作為一個(gè)
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
抽象人工智能 （AI） 的世界正在迅速發(fā)展，人工智能越來越多地支持以前無法實(shí)現(xiàn)或非常難以實(shí)現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN） 及其在 AI 系統(tǒng)中機(jī)器學(xué)習(xí)中的重要性。CNN 是從
2023-02-23 20:11:10
什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？
2021-06-17 11:48:22
Cortex-M 系統(tǒng)）上完全離線工作。Fluent.ai 解決方案使用突破性的基于深度神經(jīng)網(wǎng)絡(luò)的語音到意圖技術(shù)，直接將用戶語音映射到他們的預(yù)期動(dòng)作。這種純聲學(xué)方法提供了幾個(gè)優(yōu)點(diǎn)。生成的模型更小并且端到
2022-09-15 15:18:52
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對(duì)系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析，不看肯定后悔
2021-06-21 06:33:55
，看一下 FPGA 是否適用于解決大規(guī)模機(jī)器學(xué)習(xí)問題。卷積神經(jīng)網(wǎng)絡(luò)是一種深度神經(jīng)網(wǎng)絡(luò) (DNN)，工程師最近開始將該技術(shù)用于各種識(shí)別任務(wù)。圖像識(shí)別、語音識(shí)別和自然語言處理是 CNN 比較常見的幾大應(yīng)用。
2019-06-19 07:24:41
如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
2021-07-12 08:02:11
人工智能下面有哪些機(jī)器學(xué)習(xí)分支？如何用卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法去解決機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類問題？
2021-06-16 08:09:03
處理的運(yùn)算量和數(shù)據(jù)吞吐量。圖像壓縮是信息傳輸和存儲(chǔ)系統(tǒng)的關(guān)鍵技術(shù)，然而我們?cè)撊绾芜M(jìn)行FPGA設(shè)計(jì)，以實(shí)現(xiàn)給定的功能已經(jīng)成為神經(jīng)網(wǎng)絡(luò)應(yīng)用的關(guān)鍵呢？
2019-08-08 06:11:30
人工神經(jīng)網(wǎng)絡(luò)在AI中具有舉足輕重的地位，除了找到最好的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練數(shù)據(jù)集之外，人工神經(jīng)網(wǎng)絡(luò)的另一個(gè)挑戰(zhàn)是如何在嵌入式設(shè)備上實(shí)現(xiàn)它，同時(shí)優(yōu)化性能和功率效率。 使用云計(jì)算并不總是一個(gè)選項(xiàng)，尤其是當(dāng)
2021-11-09 08:06:27
本文提出了一個(gè)基于FPGA 的信息處理的實(shí)例：一個(gè)簡單的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用Verilog 語言描述，該數(shù)據(jù)流采用模塊化的程序設(shè)計(jì)，并考慮了模塊間數(shù)據(jù)傳輸信號(hào)同 步的問題，有效地解決了人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問題。
2021-05-06 07:22:07
小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問這個(gè)控制方法可以嗎？有誰會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝
2016-09-23 13:43:16
1、加速神經(jīng)網(wǎng)絡(luò)的必備開源項(xiàng)目 到底純FPGA適不適合這種大型神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)？這個(gè)問題其實(shí)我們不適合回答，但是FPGA廠商是的實(shí)際操作是很有權(quán)威性的，現(xiàn)在不論是Intel還是Xilinx都沒有在
2022-10-24 16:10:50
最簡單的神經(jīng)網(wǎng)絡(luò)
2019-09-11 11:57:36
視覺任務(wù)中，并取得了巨大成功。然而，由于存儲(chǔ)空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲(chǔ)與計(jì)算仍然是一個(gè)巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開發(fā)】篇五|實(shí)戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識(shí)別模型.onnx...
2021-12-14 07:35:25
使用新的解釋技術(shù)，來分析神經(jīng)網(wǎng)絡(luò)做機(jī)器翻譯和語音識(shí)別的訓(xùn)練過程,神經(jīng)網(wǎng)絡(luò)語言處理工作原理有待破解。
2017-12-12 14:31:08
1566 實(shí)現(xiàn)高質(zhì)量機(jī)器翻譯的夢(mèng)想已經(jīng)存在了很多年，很多科學(xué)家都為這一夢(mèng)想貢獻(xiàn)了自己的時(shí)間和心力。從早期的基于規(guī)則的機(jī)器翻譯到如今廣泛應(yīng)用的神經(jīng)機(jī)器翻譯，機(jī)器翻譯的水平不斷提升，已經(jīng)能滿足很多場景的基本應(yīng)
2018-06-01 14:47:001020 
在循環(huán)神經(jīng)網(wǎng)絡(luò)可以用于文本生成、機(jī)器翻譯還有看圖描述等，在這些場景中很多都出現(xiàn)了RNN的身影。
2018-05-11 14:58:4113295 
摘要： ?本文將與大家分享機(jī)器翻譯相關(guān)背景知識(shí)，再深入介紹機(jī)器翻譯在阿里生態(tài)中的具體應(yīng)用實(shí)踐，介紹基于機(jī)器翻譯技術(shù)搭建的一套完善的電商多語言解決方案，最后將會(huì)從技術(shù)角度介紹阿里機(jī)器翻譯在解決實(shí)際業(yè)務(wù)
2018-07-31 17:22:30203 
更強(qiáng)、更方便使用的離線 AI 翻譯可不是微軟的專利，谷歌今天也宣布為旗下的翻譯應(yīng)用加入相關(guān)功能，讓使用者的 Android 或 iOS 設(shè)備即使在沒有網(wǎng)絡(luò)連接的情況下，也可以通過離線的神經(jīng)機(jī)器翻譯
2018-08-13 15:56:005018 深度學(xué)習(xí)機(jī)器翻譯 實(shí)現(xiàn)高質(zhì)量機(jī)器翻譯的夢(mèng)想已經(jīng)存在了很多年，很多科學(xué)家都為這一夢(mèng)想貢獻(xiàn)了自己的時(shí)間和心力。從早期的基于規(guī)則的機(jī)器翻譯到如今廣泛應(yīng)用的神經(jīng)機(jī)器翻譯，機(jī)器翻譯的水平不斷提升，已經(jīng)能滿足
2018-09-17 09:23:01292 機(jī)交互式機(jī)器翻譯技術(shù)，融合神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯、統(tǒng)計(jì)機(jī)器翻譯、輸入法、語義理解、數(shù)據(jù)挖掘等多項(xiàng)前沿技術(shù)，配合億級(jí)雙語平行數(shù)據(jù)，為用戶提供實(shí)時(shí)智能翻譯輔助，幫助用戶更好更快地完成翻譯任務(wù)。產(chǎn)品旨在致敬人工翻譯，輔助人工翻譯更快、更好地完成任務(wù)，探索人工智能賦能翻譯行業(yè)新思路。
2018-11-16 17:04:224110 Lab官方介紹，“騰訊輔助翻譯”采用自研的人機(jī)交互式機(jī)器翻譯技術(shù)，融合神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯、統(tǒng)計(jì)機(jī)器翻譯、輸入法、語義理解、數(shù)據(jù) ... 騰訊AI Lab昨日正式發(fā)布了AI輔助翻譯產(chǎn)品 “騰訊輔助翻譯
2018-11-26 20:55:01490 同時(shí)期國內(nèi)科技企業(yè)在機(jī)器翻譯上的進(jìn)展也非常迅速，以語音和語義理解見長的科大訊飛在2014年國際口語翻譯大賽IWSLT上獲得中英和英中兩個(gè)翻譯方向的全球第一名，在2015年又在由美國國家標(biāo)準(zhǔn)技術(shù)研究院組織的機(jī)器翻譯大賽中取得全球第一的成績。
2019-04-24 13:55:093189 
本文將討論：循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks ，以下簡稱RNN)，它廣泛的用于自然語言處理中的語音識(shí)別，手寫書別以及機(jī)器翻譯等領(lǐng)域。
2019-05-10 08:48:322890 
近年來，神經(jīng)網(wǎng)絡(luò)在圖像分割、自然語言處理、時(shí)間序列預(yù)測(cè)等方面的應(yīng)用有了很大的發(fā)展。深度學(xué)習(xí)的一個(gè)顯著成功應(yīng)用是嵌入，這是一種將離散變量表示為連續(xù)向量的方法。這項(xiàng)技術(shù)已經(jīng)有了實(shí)際的應(yīng)用，其中有在機(jī)器翻譯中使用詞嵌入和類別變量中使用實(shí)體嵌。
2019-06-08 14:47:004344 未來需要新的算法和語義層面的綜合性突破，促進(jìn)機(jī)器翻譯產(chǎn)品的迭代和產(chǎn)業(yè)全面升級(jí)。
2019-07-14 10:02:32910 注釋數(shù)據(jù)庫和讓機(jī)器從中學(xué)習(xí)的技術(shù)讓語言學(xué)習(xí)發(fā)生了革命性變化，這使得機(jī)器翻譯變得越來越普遍。
2019-07-17 10:56:59522 Facebook在自然語言處理(NLP)的三個(gè)子領(lǐng)域提出研究提案，這是一項(xiàng)關(guān)于語言學(xué)、人工智能與計(jì)算機(jī)語言的相互作用的跨學(xué)科研究，它為“穩(wěn)健”的和計(jì)算效率高的NLP尋求深層學(xué)習(xí)方法，以及為資源匱乏的方言尋求神經(jīng)機(jī)器翻譯，最終是為了推動(dòng)機(jī)器翻譯研究進(jìn)步。
2019-09-05 16:02:13440 據(jù)外媒報(bào)道，近日美國加州大學(xué)舊金山分校的Joseph Makin及同事在《自然-神經(jīng)科學(xué)》上發(fā)表的一篇論文報(bào)告了一種能夠以較高的準(zhǔn)確率，解碼神經(jīng)活動(dòng)并將其翻譯為句子的機(jī)器翻譯算法。
2020-03-31 14:01:282143 近日，F(xiàn)acebook 宣稱已經(jīng)開發(fā)出一種人工智能翻譯系統(tǒng)，能夠在 100 種語言之間進(jìn)行精確翻譯，而不需要像許多現(xiàn)有 AI 翻譯那樣先翻譯成英語在翻譯成目標(biāo)語言。 在學(xué)術(shù)機(jī)構(gòu)用來自動(dòng)評(píng)估機(jī)器翻譯
2020-10-30 09:25:052356 利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程就是機(jī)器翻譯。 機(jī)器翻譯對(duì)于信息時(shí)代下海量信息的捕獲無疑具有重要作用，事實(shí)上，人們對(duì)于機(jī)器翻譯的需求也與日俱增。除了專業(yè)的出版水平的翻譯，機(jī)器翻譯
2020-12-01 14:03:352780 
這篇文章為大家介紹了一下面向低功耗AI芯片上的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，隨著這幾年神經(jīng)網(wǎng)絡(luò)和硬件（CPU,GPU,FPGA,ASIC）的迅猛發(fā)展，深度學(xué)習(xí)在包...
2020-12-14 23:40:08536 所謂機(jī)器翻譯，就是利用計(jì)算機(jī)將一種自然語言（源語言）轉(zhuǎn)換為另一種自然語言（目標(biāo)語言）的過程。它是計(jì)算語言學(xué)的一個(gè)分支，是人工智能的終極目標(biāo)之一，具有重要的科學(xué)研究價(jià)值。而且機(jī)器翻譯又具有重要
2020-12-29 10:12:374565 思想就是打造“機(jī)器翻譯界的BERT”，通過預(yù)訓(xùn)練技術(shù)再在具體語種上微調(diào)即可達(dá)到領(lǐng)先的翻譯效果，其在32個(gè)語種上預(yù)訓(xùn)練出的統(tǒng)一模型在47個(gè)翻譯測(cè)試集上取得了全面顯著的提升。 目錄 機(jī)器翻譯預(yù)訓(xùn)練的挑戰(zhàn)
2021-03-31 17:24:042598 
，對(duì)詞級(jí)粒度、詞干級(jí)粒度、最大詞干級(jí)粒度、詞干詞綴級(jí)粒度、詞干-詞尾級(jí)粒度的漢維平行語料庫進(jìn)行對(duì)比實(shí)驗(yàn)，研究不同粒度的維吾爾語對(duì)漢維機(jī)器翻譯中的詞語對(duì)齊質(zhì)量和語言模型質(zhì)量的影響。實(shí)驗(yàn)結(jié)果表明，在上述5種粒度的維
2021-05-11 15:34:11
9 基于模板驅(qū)動(dòng)的神經(jīng)機(jī)器翻譯模型綜述
2021-06-24 15:31:3516 基于句子級(jí)上下文的神經(jīng)機(jī)器翻譯綜述
2021-06-29 16:26:4364 得益于神經(jīng)機(jī)器翻譯 (NMT) 的進(jìn)步，譯文更加自然流暢，但與此同時(shí)，這些譯文也反映出訓(xùn)練數(shù)據(jù)存在社會(huì)偏見和刻板印象。因此，Google 持續(xù)致力于遵循 AI 原則，開發(fā)創(chuàng)新技術(shù)，減少機(jī)器翻譯
2021-08-24 10:14:422515 1954年，美國成功研制出了世界首個(gè)機(jī)器翻譯系統(tǒng)，實(shí)現(xiàn)了俄英兩種語言之間的簡單轉(zhuǎn)化。半個(gè)多世紀(jì)后，人工智能技術(shù)加持下的各類AI翻譯機(jī)，已經(jīng)可以幫助人們精準(zhǔn)解決各種跨語言溝通難題，而科大訊飛研發(fā)的這款
2022-04-02 13:51:002113 
國際市場上Facebook、亞馬遜等企業(yè)早幾年就已經(jīng)實(shí)現(xiàn)了內(nèi)容的自動(dòng)翻譯化。神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的進(jìn)步，大大提高了機(jī)器翻譯的速度和準(zhǔn)確性，全球化進(jìn)程的推進(jìn)也使機(jī)器翻譯的市場需求每年呈線性增長趨勢(shì)
2022-05-31 10:54:301831 機(jī)器翻譯 根據(jù)用戶領(lǐng)域需求，通過人工智能技術(shù)，定制專業(yè)機(jī)器翻譯。 采用神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)（NMT），支持訓(xùn)練和部署細(xì)分領(lǐng)域的垂直機(jī)器翻譯引擎，可根據(jù)客戶需求定制化訓(xùn)練和維護(hù)專屬機(jī)器翻譯引擎，滿足海量
2022-09-21 14:45:04879 然而之前的基于機(jī)器翻譯的CCR工作大多忽略了這個(gè)問題，它們通常使用大規(guī)模的預(yù)訓(xùn)練模型在通過機(jī)器翻譯得到的大規(guī)模多語言視覺-語言語料庫上進(jìn)行大規(guī)模預(yù)訓(xùn)練，并且只關(guān)注于視覺-目標(biāo)語言數(shù)據(jù)對(duì)之間的對(duì)齊。
2022-10-14 14:59:04607 隨著人工智能(AI)技術(shù)的快速發(fā)展，AI可以越來越多地支持以前無法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本文基于此解釋了卷積神經(jīng)網(wǎng)絡(luò)(CNN)及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提取特征
2023-03-11 23:10:04523 以ChatGPT為代表的大語言模型（Large Language Models, LLM）在機(jī)器翻譯（Machine Translation, MT）任務(wù)上展現(xiàn)出了驚人的潛力。
2023-05-17 09:56:26903 
成為主流，如神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯。神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯是機(jī)器從大量數(shù)據(jù)中自動(dòng)學(xué)習(xí)翻譯知識(shí)，而不依靠人類專家撰寫規(guī)則，可以顯著提升翻譯質(zhì)量，但在處理語序差異大的語言翻譯時(shí)仍然面臨一些挑戰(zhàn)。
2023-07-06 11:19:59372 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論