HyperAIHyperAI

Command Palette

Search for a command to run...

خسائر التنبؤ الهيكلي الكلاسيكية لتعلم التتابيع إلى تتابيع

Sergey Edunov; Myle Ott; Michael Auli; David Grangier; Marc'Aurelio Ranzato

الملخص

لقد شهدت الفترة الأخيرة الكثير من الأعمال التي تتعلق بتدريب نماذج الانتباه العصبي على مستوى التسلسل باستخدام طرق تعتمد إما على التعلم التعزيزي أو على تحسين الشعاع. في هذا البحث، نستعرض مجموعة من الدوال الهدف الكلاسيكية التي تم استخدامها بشكل واسع لتدريب النماذج الخطية للتنبؤ المهيكل، ونطبقها على النماذج العصبية للتسلسل إلى التسلسل. تظهر تجاربنا أن هذه الخسائر يمكن أن تؤدي بشكل مفاجئ جيد، حيث تتفوق قليلاً على تحسين البحث بالشعاع في إطار مماثل. كما نقدم أيضًا نتائج جديدة رائدة في كل من مهمة الترجمة الألمانية-الإنجليزية لمؤتمر IWSLT'14 وفي ملخصات Gigaword الاستخراجية. بالنسبة لمهمة الترجمة الإنجليزية-الفرنسية الأكبر حجمًا لمؤتمر WMT'14، يحقق التدريب على مستوى التسلسل درجة 41.5 BLEU وهي متساوية مع أفضل المستويات الحالية.في هذا النص:- "IWSLT" هو اختصار لـ "International Workshop on Spoken Language Translation".- "WMT" هو اختصار لـ "Workshop on Machine Translation".- "BLEU" هو اختصار لـ "Bilingual Evaluation Understudy".


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp