机器翻译

自然语言处理之机器翻译：Transformer：前馈神经网络在Transformer中的应用

自然语言处理之机器翻译：Transformer：前馈神经网络在Transformer中的应用自然语言处理与机器翻译简介自然语言处理的基本概念自然语言处理（NaturalLanguageProcessing
zhubeibei168·2025-05-13 16:05

AD 侦查-LLMNR 毒化

AD侦查-LLMNR毒化本文通过Google翻译ADRecon–LLMNRPoisoningwithResponder这篇文章所产生，本人仅是对机器翻译中部分表达别扭的字词进行了校正及个别注释补充。
牛马程序员2025·2025-05-12 20:58

【LLM】6：大语言模型中的 KV 缓存机制

1.KV缓存的背景在Transformer模型的推理阶段（例如在机器翻译、文本生成等任务中），每生成一个新的token时，模型需要重新计算该位置的自注意力分数。
月涌大江流丶·2025-05-10 10:03

AI模型是什么意思？解析人工智能模型的概念与应用

通过人工智能模型，计算机可以完成包括图像识别、语音识别、自然语言处理、机器翻译等一系列任务。本文将从人工智能模型的定义、分类、训练流程和应用等方面进行解析，帮助读者更好地理解和应用AI模型。
智能助手观察·2025-05-09 00:46

Github上如何准确地搜索开源项目

就像我的毕业设计“机器翻译”就可以在Github上查找开源项目来参考。
北上ing·2025-05-07 14:17

【Transformer】 Decoder 的结构、训练和推理过程

它的核心由Encoder和Decoder两部分组成，其中Decoder在生成任务（如机器翻译、文本生成）中扮演着至关重要的角色。本文将深入浅出地介绍Decoder的结构、训练和推理过程。
小波才露尖尖角·2025-05-07 12:30

一文读懂机器学习：分类（classification）、回归（regression）、排名（ranking）、uplifting（提升效果）和异常检测（Anomaly detection）

它广泛应用于金融（信用评分）、医疗（疾病预测）、自动驾驶（路径规划）和自然语言处理（机器翻译）等领域，关键概念包括特征、模型、过拟合和交叉验证。本文我们使用ydf方法进行分别介绍。
此星光明·2025-05-07 07:31

人工智能在自然语言处理中的最新进展

NLP技术广泛应用于机器翻译、智能问答、信息检索、情感分析等诸多领域,为人类高效获取信
AI天才研究院·2025-05-06 21:35

大语言模型的评估指标：困惑度BLEU

LLMs的出现为许多领域带来了新的可能性，例如：机器翻译:LLMs可以用于将一种语言的文本翻译成另一种语言，并且翻译质量已经接近人类水平。
AGI大模型与大数据研究院·2025-05-06 16:31

当前人工智能领域的主流高级技术及其核心方向

应用场景：机器翻译、文本生成、蛋白质结构预测（AlphaFold）。神经辐射场（NeR
小赖同学啊·2025-05-06 10:26

[machine learning] Transformer - Attention (一)

以机器翻译为例，当输入文本序列一个一个进入encoder时，encoder
进阶的小蜉蝣·2025-05-06 10:22

Transformer：颠覆性架构的革命之路与全景指南

一、认知破壁：重新理解序列建模1.1传统序列模型局限RNN困境：梯度消失与并行化瓶颈CNN局限：局部感受野与长程依赖Attention起源：神经机器翻译的破局者1.2核心思想可视化#缩放点积注意力实现d
Gupao1·2025-05-03 06:07

Transformer：颠覆序列建模的架构革命与全场景实践指南

从机器翻译到蛋白质设计，Transformer架构正在重塑人工智能的算法范式。本文将深度解构注意力机制的数学本质，梳理从文本理解到多模态涌现的演化路径，为开发者构建面向通用智能的完整知识体系。
Gupao12·2025-05-03 06:07

藏语英语中文机器翻译入门实践

技术与原理简介机器翻译（MachineTranslation,MT）是人工智能中自然语言处理（NLP）的重要任务之一。主流机器翻译方法包括：基于规则的方法（早期）：人工编写规则与词典。
山海青风·2025-05-02 21:34

基于规则的文本生成算法的应用场景

机器翻译在基于规则的机器翻译系统中，通过定义源语言
python游乐园·2025-05-02 16:04

自然语言处理之机器翻译：OpenNMT：OpenNMT的编码器-解码器架构

自然语言处理之机器翻译：OpenNMT：OpenNMT的编码器-解码器架构一、OpenNMT简介1.1OpenNMT概述OpenNMT（OpenNeuralMachineTranslation）是一个开源的神经机器翻译框架
zhubeibei168·2025-04-29 23:17

自然语言处理之情感分析：使用卷积神经网络(CNN)进行文本预处理与分词技术

NLP技术包括文本分类、情感分析、机器翻译、问答系统、语音识别等，广泛应用于搜索引擎、智能客服、社交媒体分析、新闻摘要生成等场景。
zhubeibei168·2025-04-28 23:52

人工智能基础课【学习笔记】40 应用场景 | 数字巴别塔：机器翻译

根据圣经旧约《创世纪》中的记载，大洪水劫后，诺亚的子孙们在巴比伦附近的示拿地定居。说着同样语言的人类联合起来兴建巴别塔，这让上帝深为他们的虚荣和傲慢而震怒。于是他悄悄地离开天国来到人间，变乱了人类的语言，无法交流的人们做鸟兽散，巴别塔的伟念也就轰然倒塌。圣经中对语言诞生的描述充满了天谴的色彩，虽然事实根本就不是这么回事，但语言的差异的的确确给人类的沟通与交流平添了诸多隔阂。难道伟大的巴别塔注定只是
Eleven_Whats·2025-04-28 19:00

AI同声传译基于PaddlePaddle框架的开源方案介绍

作者：禅与计算机程序设计艺术1.简介随着人工智能技术的不断发展，越来越多的人将注意力集中在语音识别、机器翻译等领域，而这些技术虽然有其优点，但也面临着一些挑战。
AI天才研究院·2025-04-28 07:16

迁移学习(基础)

具备复杂的网络结构,众多的参数量,以及足够大的数据集进行训练而产生的模型,在NLP领域,预训练模型往往是语言模型,因为语言模型是无监督的,可以获得大量的语料,同时语言模型优势许多经典NLP任务的基础,如:机器翻译文本生成阅读理解常见预训练
Psycho_MrZhang·2025-04-26 11:02

深度学习与语言模型

在实际应用中，语言模型能够实现诸如文本生成、文本摘要、机器翻译等功能，还能提升语言数据的质量和效率。但是，如何有效地训练语言模型并让其真正运用起来仍然是一个棘手的问题。
AI天才研究院·2025-04-25 12:22

利用Python进行自然语言处理——从基础到高级应用

目录自然语言处理概述PythonNLP库介绍数据预处理词向量与嵌入文本分类命名实体识别(NER)问答系统(QA)机器翻译情感分析实战案例：构建一个简单的聊天机器人总结与未来展望1.自然语言处理概述1.1
egzosn·2025-04-25 07:47

自然语言处理之命名实体识别：Flair：命名实体识别基础概念

这一过程对于信息抽取、问答系统、机器翻译等应用至关重要，因为它帮助系统理解文本中的关键信息，从而做出更准确
zhubeibei168·2025-04-24 22:17

机器学习 第一章

)等价于y二、三大类型任务类型英文特点示例回归Regression输出是连续值房价预测分类Classification输出是类别标签图像识别结构化学习StructuredPrediction输出是结构机器翻译
小白猿同学·2025-04-24 19:55

大语言模型原理与工程实践：大语言模型的微调和推理策略

ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的飞速发展，大语言模型（LargeLanguageModels,LLMs）如GPT-3、LaMDA等相继问世，它们在自然语言处理、机器翻译
AI天才研究院·2025-04-24 19:22

大模型算法岗常见面试题100道（值得收藏）

大模型应该是目前当之无愧的最有影响力的AI技术，它正在革新各个行业，包括自然语言处理、机器翻译、内容创作和客户服务等等，正在成为未来商业环境的重要组成部分。
大模型玩家·2025-04-23 18:14

从科研提速到数据攻坚：GPU 服务器的四大核心战场（下）

一、自然语言处理自然语言处理致力于让计算机理解人类语言，涵盖语音识别、机器翻译等应用，对算力需求持续增长。语音识别需处理大量语音数据，将其转换为文字，GPU服务器加速模型训练与推理，提升识别准确率。
·2025-04-21 13:13

自然语言处理（NLP）技术。

机器翻译：NLP可以用来开发机器翻译系统，帮助人们跨越语言障碍进行沟通。例如，谷歌翻译就是一个利用NLP技术的机器翻译工具。信息抽取：NLP可以用来从大量文本中提取出特定信息。例如，
@程序员ALMJ·2025-04-21 03:19

RNN概述

RNN特别适合处理以下场景：自然语言处理（NLP）：如机器翻译、文本生成、情感分析。时
爱看烟花的码农·2025-04-20 00:57

PyTorch 深度学习实战（38）：注意力机制全面解析（从Seq2Seq到Transformer）

我们将使用PyTorch实现2个关键阶段的注意力机制变体，并在机器翻译任务上进行对比实验。
进取星辰·2025-04-19 18:16

AI测试入门：什么是大型语言模型（LLM）？

1.2大语言模型的历史发展二、大语言模型的工作原理2.1Transformer架构2.1.1自注意力机制2.2预训练与微调2.3.1预训练2.3.2微调三、大语言模型的应用场景3.1文本生成3.2机器翻译
blues_C·2025-04-18 17:34

基于深度学习的自然语言处理技术

基于深度学习的自然语言处理技术可以应用于多种场景，如机器翻译、问答系统、文本生成、情感分析、摘要提取、对话系统、新闻分类等。本
AI天才研究院·2025-04-18 04:06

Ubuntu 服务器Llama Factory 搭建DeepSeek-R1微调训练环境

1.1.目的提高特定任务性能：对于像文本生成、机器翻译、问答系统等具体任务，通过微调可以让模型在这些任务上的准
大鱼>·2025-04-16 16:40

【NLP】 22. NLP 现代教程：Transformer的训练与应用全景解读

Transformer模型最初的使用方式有两种主要方向：类似RNN编码-解码器的架构（用于序列到序列任务）例如机器翻译、文本摘要任务。
pen-ai·2025-04-16 12:14

拆解吴恩达开源的翻译AI Agent

近日，他又开源了一个翻译AIAgent，他认为AI智能体机器翻译对改进传统神经机器翻译”具有巨大潜力，尚未被完全发掘“，在周末的时间，写了一个演示项目。开
weixin_47233946·2025-04-15 07:05

【论文阅读笔记】Attention Is All You Need

BLUE是机器翻译任务中常用的一个衡量标准。  在此论文之前，序列翻译的主导模型是RNN或者使用编解码器结构的CNN。
时光机ﾟ·2025-04-13 13:02

Transformer大模型实战 教师 学生架构

1.背景介绍Transformer是一种基于自注意力机制的神经网络模型，由Google在2017年提出，用于自然语言处理任务，如机器翻译、文本摘要等。
AI天才研究院·2025-04-12 23:30

深度解码：AI 大模型的繁荣与困境

不论是在自然语言处理、计算机视觉、机器翻译还是智能对话等领域，大模型都表现出了无比出色的性能，而这些都是人工智能无限潜力的生动展现。AI大模型指的是那些拥有大量参数的人工智能模型。这些模型通
AI真好玩·2025-04-12 18:57

【机器学习300问】130、什么是Seq2Seq？又叫编码器（Encoder）和解码器（Decoder）。

Seq2Seq，全称为SequencetoSequence，是一种用于处理序列数据的神经网络模型，特别适用于如机器翻译、语音识别、聊天机器人等需要将一个序列转换为另一个序列的任务。
小oo呆·2025-04-11 22:22

Transformer、BERT以及GPT系列联系

Transformer是一种新型的神经网络架构，用于处理自然语言任务，比如机器翻译和文本生成。它的特点是能够同时考虑输入序列中所有位置的信息，并且具有
小裴（碎碎念版）·2025-04-11 14:18

神经机器翻译的多模态输入:利用图像和视频

神经机器翻译的多模态输入:利用图像和视频1.背景介绍1.1神经机器翻译的发展历程1.1.1统计机器翻译时代1.1.2神经机器翻译的崛起1.1.3神经机器翻译的优势与局限1.2多模态机器翻译的兴起1.2.1
AI天才研究院·2025-04-11 10:24

淘宝API驱动跨境选品：多语言详情页自动翻译与本地化定价

然后集成专业的机器翻译引擎，如阿里云机器翻译、百度翻译API等，将中文文本按照目标市场的语言需求（如英语、西班牙语、法语、德语等）进行自动翻译。这些翻译引擎利用神经网络机器翻译技术，
一只专注api接口开发的技术猿·2025-04-11 01:31

从编码器和词嵌入开始：Transformer架构详解（上）-ChatGPT4o作答+王木头学科学阅读理解

Transformer架构是由Vaswani等人在2017年提出的，旨在解决序列到序列问题（如机器翻译）。
部分分式·2025-04-11 01:31

【深度学习基础】第四十七课：BLEU得分

1.BLEU得分机器翻译的一大难题是一个法语句子可以有多种英文翻译，并且翻译质量都同样好。那么我们该怎样评估一个机器翻译系统呢？常用的一个方法就是使用BLEU得分。
x-jeff·2025-04-10 21:01

人工智能和自然语言处理（NLP）基本知识和学习

自然语言处理（NLP）基本知识和学习自然语言处理（NLP）：深度学习在自然语言处理领域也有显著的应用，如文本分类、情感分析、机器翻译等。
熵减画眉·2025-04-09 21:18

机器学习--词向量转换

词向量转换便成为了一座关键的桥梁，它将文本中的单词映射为数值向量，使得计算机能够对文本进行高效处理和分析，为众多NLP任务，如文本分类、情感分析、机器翻译等，奠定了坚实的基础。
2201_75491841·2025-04-09 19:09

白话文讲解大模型必修基础知识 | Transformer架构（小白也能看懂）

它在机器翻译、文本生成、问答系统、情感分析等任务中表现出了卓越的能力，并且是大规模语言模型（LLM,LargeLanguageModels）的基础。
大模型面试·2025-04-09 18:34

MATLAB基础应用精讲-【数模应用】贝叶斯优化

目录前言算法原理朴素贝叶斯算法核心思想示例贝叶斯定理贝叶斯网络贝叶斯网络的结构形式因子图数学模型最优贝叶斯推理贝叶斯优化什么高斯过程acquisition函数朴素贝叶斯贝叶斯公式与条件独立假设1）先验概率与后验概率2）贝叶斯公式3）条件独立假设与朴素贝叶斯平滑处理1）为什么需要平滑处理2）拉普拉斯平滑及依据应用案例中文分词统计机器翻译贝叶斯图像识别
林聪木·2025-04-09 10:14

【NLP 面经 6】

当上帝赐予你荒野时，就意味着，他要你成为高飞的鹰——25.4.3一、机器翻译任务，Transformer结构模型改进在自然语言处理的机器翻译任务中，你采用基于Transformer架构的模型。
L_cl·2025-04-09 05:42

【NLP】人机对话

概念机器翻译就是用计算机把一种语言翻译成另外一种语言的技术机器翻译的产生与发展17世纪，笛卡尔与莱布尼茨试图用统一的数字代码来编写词典1930机器脑1933苏联发明家特洛阳斯基用机械方法将一种语言翻译为另一种语言
SnowFly09·2025-04-07 04:01
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他