赞
踩
NLP:LM语言模型的简介(语言模型VS预训练模型)、发展历史(N-Gram→RNN→Transformer)、案例应用(语音识别/机器翻译/自然语言生成)之详细攻略
目录
1、语言模型的概述:判断一段词语组合是不是符合自然语言的法则或人话/计算下一个单词的概率,可以捕获上下文
LM的发展历史:N-Gram→RNN→Transformer
NLP:N-Gram(gram窗口分段再统计)基于概率统计语言模型的简介(包括马尔可夫假设概述)、使用方法、案例应用之详细攻略
>> FFNN-LM(2003年):前馈神经网络模型,只能处理定长序列/参数多/训练慢
NLP之NNLM:NNLM神经语言模型算法(词向量法的始祖)的简介、网络结构、案例应用、代码实现之详细攻略
>> RNN-LM(2010)→LSTM-LM(2012):循环神经网络模型,大数据处理缓慢
NLP之ASR:语音识别技术(Automatic Speech Recognition)的简介、发展历史、案例应用之详细攻略
Paper:Transformer模型起源—2017年的Google机器翻译团队—《Transformer:Attention Is All You Need》翻译并解读
AIGC之GPT-4:GPT-4的简介(核心原理/意义/亮点/技术点/缺点/使用建议)、使用方法、案例应用(计算能力/代码能力/看图能力等)之详细攻略
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。