12:58 Mar 14, 2020 |
English to Russian translations [PRO] Tech/Engineering - Computers (general) | |||||||
---|---|---|---|---|---|---|---|
|
| ||||||
| Selected response from: mk_lab Ukraine Local time: 01:51 | ||||||
Grading comment
|
Summary of answers provided | ||||
---|---|---|---|---|
3 | изучатели/анализаторы последовательности |
| ||
3 | последовательно (само)обучающиеся системы |
|
sequence learners изучатели/анализаторы последовательности Explanation: Изучение или обучение по последовательности исходных элементов - это одна из концепций ИИ, вот цитата из https://devblogs.nvidia.com/deep-learning-nutshell-sequence-... Sequence Learning Everything in life depends on time and therefore, represents a sequence. To perform machine learning with sequential data (text, speech, video, etc.) we could use a regular neural network and feed it the entire sequence, but the input size of our data would be fixed, which is quite limiting. Other problems with this approach occur if important events in a sequence lie just outside of the input window. What we need is (1) a network to which we can feed sequences of arbitrary length one element of the sequence per time step (for example a video is just a sequence of images; we feed the network one image at a time); and (2) a network which has some kind of memory to remember important events which happened many time steps in the past. These problems and requirements have led to a variety of different recurrent neural networks. Здесь, имхо, последовательностью является исходный текст, а элементами - слова. Это соответствует контексту: make a decision based on the lexical similarity and the context of the word |
| |
Login to enter a peer comment (or grade) |
sequence learners последовательно (само)обучающиеся системы Explanation: (нейронно-сетевые) системы ИИ, основанные на алгоритме последовательного (само)обучения Самообучающиеся системы и их применение для принятия решений https://infourok.ru/samoobuchayuschiesya-sistemi-i-ih-primen... Алгоритм обучения сети Кохонена включает этапы, состав которых зависит от типа структуры: постоянной (самообучающаяся сеть) или переменной (самоорганизующаяся сеть). Для самообучения последовательно выполняются: 1. Задание структуры сети (количества нейронов слоя Кохонена) (K). 2. Случайная инициализация весовых коэффициентов значениями, удовлетворяющими одному из следующих ограничений: – при нормализации исходной выборки -------------------------------------------------- Note added at 3 hrs (2020-03-14 16:56:19 GMT) -------------------------------------------------- Нужно заметить, что learners (ученики) - это обучающиеся система, а никакие не "изучатели/анализаторы". Концепция ИИ заключается в том, что нейронные сети сами ничего не изучают и не анализируют (это дело обычных традиционных систем анализа - без ИИ). Они адаптируются (изменяют свою структуру и узловые коэффициенты) путем самообучения, чтобы давать правильные результаты по последовательности данных |
| |
Grading comment
| ||
Login to enter a peer comment (or grade) |
Login or register (free and only takes a few minutes) to participate in this question.
You will also have access to many other tools and opportunities designed for those who have language-related jobs (or are passionate about them). Participation is free and the site has a strict confidentiality policy.