Traduction automatique : Mécanisme d'attention

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Architecture des transformateurs : le X Gomega

Déplacez-vous dans l'architecture Transformer, l'auto-attention et les stratégies de formation pour la traduction automatique et la reconnaissance d'image.

Prédiction de réaction chimique : Transformateur moléculaire

Explore la prédiction des réactions chimiques à l'aide de modèles générateurs et de transformateurs moléculaires, soulignant l'importance du traitement du langage moléculaire et de la stéréochimie.

Analyse du modèle

Explore l'analyse du modèle neuronal en PNL, couvrant les études d'évaluation, de sondage et d'ablation pour comprendre le comportement et l'interprétabilité du modèle.

Génération du langage naturel: comprendre la tâche et les techniques

Fournit un aperçu de la génération de langage naturel, en se concentrant sur les tâches, les défis et les méthodologies pour créer un texte cohérent.

Modélisation linguistique et réseaux neuronaux récurrents

Explore la modélisation linguistique, les RNN, les modèles n-gram, les LSTM et les RNN bidirectionnelles.

Systèmes de connaissances non conceptuels

Explore l'impact de l'apprentissage profond sur les humanités numériques, en se concentrant sur les systèmes de connaissances non conceptuels et les progrès récents de l'IA.

Techniques d'apprentissage profond: Réseaux récurrents et modèles LSTM

Discute de la mise en œuvre et de l'optimisation de réseaux récurrents utilisant des modèles LSTM en apprentissage profond.

Deep Learning pour répondre aux questions

Explore l'apprentissage profond pour répondre aux questions, analyser les réseaux neuronaux et modéliser la robustesse au bruit.

Modèles linguistiques : réseaux neuronaux à contexte fixe et récurrents

Discute des modèles de langage, en se concentrant sur les modèles neuronaux à contexte fixe et les réseaux neuronaux récurrents.

Représentations neuro-symboliques: Connaissances communes et Raisonnement

Déplacez-vous dans des représentations neuro-symboliques pour la connaissance du sens commun et le raisonnement dans les applications de traitement du langage naturel.

Représentations contextuelles : ELMO et BERT Vue d'ensemble

Couvre les représentations contextuelles en PNL, en se concentrant sur les architectures ELMO et BERT et leurs applications dans diverses tâches.

Sparse Communication: Transformations et applications

Explore l'évolution de la modélisation clairsemée à la communication clairsemée dans les réseaux neuronaux pour les tâches de traitement du langage naturel.

Page 2 sur 2