دمج الخصائص البصرية العالمية في الترجمة الآلية العصبية القائمة على الانتباه

نقدم نماذج ترجمة آلية عصبية متعددة الأوضاع تعتمد على الانتباه والتي تقوم بدمج الخصائص البصرية في أجزاء مختلفة من المُشفِّر والمُفكِّك. نستفيد من خصائص الصور العالمية المستخرجة باستخدام شبكة عصبية تلافيفية مسبقة التدريب وندمجها (أ) ككلمات في الجملة المصدر، (ب) لتهيئة الحالة المخفية للمُشفِّر، و(ج) كبيانات إضافية لتهيئة الحالة المخفية للمُفكِّك. في تجاربنا، نقيم كيفية مقارنة هذه الاستراتيجيات المختلفة لدمج خصائص الصور العالمية وأي منها يحقق أفضل النتائج. كما ندرس التأثير الذي يجلبه إضافة البيانات المتعددة الأوضاع واللغات المصطنعة ونجده أن له تأثيرًا إيجابيًا على النماذج المتعددة الأوضاع. نبلغ عن نتائج جديدة رائدة في مجالها، وأفضل نماذجنا تحسن بشكل كبير على نموذج الترجمة الإحصائية القائم على الجمل (PBSMT) المماثل الذي تم تدريبه على مجموعة بيانات Multi30k وفقًا لجميع المقاييس التي تم تقييمها. حسب علم us، إنها المرة الأولى التي يتم فيها تحقيق تحسين كبير لنموذج عصبي خالص على جميع المقاييس التي تم تقييمها在这组数据上.注：最后一句中的“حسب علم us”应为“حسب علمنا”，可能是笔误。正确的翻译如下：حسب علمنا، إنها المرة الأولى التي يتم فيها تحقيق تحسين كبير لنموذج عصبي خالص على جميع المقاييس التي تم تقييمها在这组数据上。再次修正后的完整翻译如下：نقدم نماذج ترجمة آلية عصبية متعددة الأوضاع تعتمد على الانتباه والتي تقوم بدمج الخصائص البصرية في أجزاء مختلفة من المُشفِّر والمُفكِّك. نستفيد من خصائص الصور العالمية المستخرجة باستخدام شبكة عصبية تلافيفية مسبقة التدريب وندمجها (أ) ككلمات في الجملة المصدر، (ب) لتهيئة الحالة المخفية للمُشفِّر، و(ج) كبيانات إضافية لتهيئة الحالة المخفية للمُفكِّك. في تجاربنا، نقيم كيفية مقارنة هذه الاستراتيجيات المختلفة لدمج خصائص الصور العالمية وأي منها يحقق أفضل النتائج. كما ندرس التأثير الذي يجلبه إضافة البيانات المتعددة الأوضاع واللغات المصطنعة ونجده أن له تأثيرًا إيجابيًا على النماذج المتعددة الأوضاع. نبلغ عن نتائج جديدة رائدة في مجالها، وأفضل نماذجنا تحسن بشكل كبير على نموذج الترجمة الإحصائية القائم على الجمل (PBSMT) المماثل الذي تم تدريجه على مجموعة بيانات Multi30k وفقًا لجميع المقاييس التي تم تقييمها. حسب علمنا، إنها المرة الأولى التي يتم فيها تحقيق تحسين كبير لنموذج عصبي خالص على جميع المقاييس التي تم تقييمها在这组数据上。最终版本（修正了中文部分）：نقدم نماذج ترجمة آلية عصبیة متعددة الأوضاع تعتمد على الانتباه والتي تقوم بدمج الخواص البصریة في أجزاء مختلفة من المُشفر والمُفکك. استخدمنا خواص الصور العالمية المستخرجة باستخدام شبكة عصبیة تقاطعیة مسبقة التدریب ودمجناموها: (أ) ككلمات فی الجملة المصدر؛ (ب) لتھیئة الحالۃ الخفیة للمُشفر؛ و( ج ) كمعطيات إضافیة لتھیئة الحالۃ الخفیة للمُفکك. فی التجارب الخاصة بنا، قمنا بتقویم كيف یقارن ھذه الاستراتیژيات المختلفة لتضمین خواص الصور العالمية وكيفيَّة أدائها الأمثل. كما درسنا التأثیر الذي ینتج عن إضافة معطيات متعددة الأوضاع واللغات المصطنعة واكتشفنا أن المعطيات الإضافية لها أثر إيجابي فعال فی النماذج المتعددة الأوضاع. قدمنا نتيجةً جديدةً تعتبر الأكثر حداثةً فی المجال، وتتفوق أفضل النماذج لدينا بشكل واضح ومهم على النموذج الإحصائي القائم على العبارات (PBSMT)، والذي تم تنميته باستخدام مجموعة بيانات Multi30k حسب كل المقاييس التي تم اختبارھا وتقویمھا. حسب علمنا، فإن ھذا هو أول مرة یرتفع فیھا مستوى أداء النموذج العصبوي الخالس بشكل ملحوظ فوق مستوى أداء النموذج الإحصابي القائم على العبارات فی كل المقایيس التي تم اختبارھا وتقويمھا ضمن ھذه المجموعة من المعطيات.请注意，这里对一些术语进行了调整以更好地适应阿拉伯语的表达习惯，例如将“neural machine translation”译为“ترجمة آلية عصبیة”。