注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 飞克训练软件

  2. 这是一个训练人眼力 注意力 阅读速度 思维 算术 等等能力的优秀软件。软件中N中人性化的设置训练方法，可以帮助你提升自己需要的技能。

  3. 所属分类：其它

    • 发布日期：2013-02-22
    • 文件大小：9437184
    • 提供者：rexuetp

  1. 注意力训练系统

  2. 尊敬的顾客：四快训练软件请严格按照以下步骤安装—— 安装前准备：1、退出所有杀毒软件，防止杀毒软件由于开发缺陷滥杀无辜； （如果提示“毒”之类的，您直接设为“可信任程序”就行了，如果为“金山毒霸”，会自接把主程序删除，删除时，电脑右下角会有提示，您直接点“恢复”就可以了） 2、该软件需要安装“AdobeAIRInstaller.exe” 方可正常运行，（软件在邮箱请下载安装） 注册操作说明 1、 双击 桌面上 的图标， 会出现 点“确定”，接着出现 ，再点“确定”，这样，您电脑上的“机器码”将

  3. 所属分类：系统集成

    • 发布日期：2013-09-22
    • 文件大小：58720256
    • 提供者：fwl6188

  1. 注意力训练系统软件

  2. 儿童注意力训练软件 舒尔特方格、瞬间记忆力训练、划消练习

  3. 所属分类：教育

    • 发布日期：2015-12-17
    • 文件大小：3145728
    • 提供者：qq_33413888

  1. 照相记忆魔法训练

  2. 本书介绍给读者全新的记忆方法——照相记忆法，并配合14天的有效训练，力求让读者快速唤醒右脑的记忆能力，打开沉睡的右脑，提高记忆力，改善注意力，更培养思考能力和创造力。

  3. 所属分类：专业指导

    • 发布日期：2007-06-22
    • 文件大小：240640
    • 提供者：supermay

  1. 儿童注意力训练软件

  2. 儿童注意力训练软件，非常好的一款人人人人软件！有助于孩子们的学习！

  3. 所属分类：深度学习

    • 发布日期：2018-02-24
    • 文件大小：10485760
    • 提供者：qq_37513358

  1. 注意力训练

  2. 给爱走神的孩子用，解决根本问题，国家级课题成果哦，给你的孩子试试吧

  3. 所属分类：专业指导

    • 发布日期：2014-07-03
    • 文件大小：6291456
    • 提供者：qq_17210729

  1. 儿童右脑开发音乐及记忆力训练软件（免费）.rar

  2. 儿童右脑开发音乐及记忆力训练软件，包含记忆力训练和注意力训练考察眼力二个小游戏，免安装EXE文件运行

  3. 所属分类：教育

    • 发布日期：2020-10-06
    • 文件大小：79691776
    • 提供者：shideting

  1. 注意神经训练 注意神经网络训练 v1.0

  2. 注意力训练和手册中的所有训练内容都是结合较新的科学研究成果，并经过实践证明是有很好效果的方法，只要大家认真训练并坚持一段时间，一定会在注意力以及其他的智力表现上有

  3. 所属分类：其它

    • 发布日期：2020-10-27
    • 文件大小：13631488
    • 提供者：weixin_38712416

  1. Datawhale 组对学习打卡营 任务11： 注意力机制和Seq2seq模型

  2. 目录 注意力机制 Softmax屏蔽 点积注意力 测试 多层感知机注意力 测试 总结 引入注意力机制的Seq2seq模型 解码器 训练 训练和预测 import math import torch import torch.nn as nn import os def file_name_walk(file_dir): for root, dirs, files in os.walk(file_dir): # print(root, root) # 当前目录路径

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：380928
    • 提供者：weixin_38660579

  1. 《动手学深度学习》笔记 Task04 机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer

  2. 机器翻译和数据集 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 数据预处理 将数据集清洗、转化为神经网络的输入minbatch 分词 字符串—单词组成的列表 建立词典 单词组成的列表—单词id组成的列表 载入数据集 Encoder-Decoder encoder：输入到隐藏状态 decoder：隐藏状态到输出 Sequence to Sequen

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：315392
    • 提供者：weixin_38739837

  1. 《动手学深度学习Pytorch版》Task4-机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer

  2. 机器翻译及相关技术 Task2中的循环神经网络部分，有实现预测歌词的功能。在那个任务中，训练数据的输入输出长度是固定的，而在机器翻译中，输出的长度是不固定的，所以不能直接用RNN来处理这种任务。 Encoder-Decoder框架是常用于机器翻译，对话系统这类场景的框架。 需要注意的是，在训练过程中Decoder的输入是真实的label，而预测时，输入是上一个ceil的预测值 机器翻译解码 通常用beam search。beam search是一种贪心算法，不是全局最优解。 注意力机制 在“

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：350208
    • 提供者：weixin_38653602

  1. 动手学DL|Task4 机器翻译及其技术+注意力机制与Seq2seq模型+Transformer

  2. 机器翻译及其技术 学习笔记 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 Encoder-Decoder encoder：输入到隐藏状态 decoder：隐藏状态到输出 Sequence to Sequence模型 模型： 训练 预测 具体结构 集束搜索 Beam Search 简单greedy search： 维特比算法：选择整体分数

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：472064
    • 提供者：weixin_38653664

  1. Dive into deep learning task 04-机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer

  2. 6 机器翻译 机器翻译是一种序列到序列的模型。为了实现对语料的训练 ，需要对应的单词表，即平行语料。机器翻译要将序列处理成定长的向量，然后输入到rnn中（lstm,gru)，然后变成中间向量，再通过decode方式编码输出最大可能的序列，即encoder-> vector->decoder的编解码方式。 语料要通过预处理（清洗，分词，转化成词典，转化成数据集），然后作词向量嵌入后，输入神经网络。 这就是所谓的seq2seq模型。简单的s2s模型的缺点是中间向量长度有限，不能充分表达输

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：55296
    • 提供者：weixin_38629920

  1. Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer

  2. 如果我们现在要做个中英文翻译,比如我是中国人翻译成 ‘i am Chinese’.这时候我们会发现输入有 5个中文字,而输出只有三个英文单词. 也就是输入长度并不等于输出长度.这时候我们会引入一种 编码器-解码器的模型也就是 (Encoder-Decoder).首先我们通过编码器 对输入 ‘我是中国人’ 进行信息编码, 之后将生成的编码数据输入 decoder 进行解码.一般编码器和解码器 都会使用循环神经网络. 当然为了使机器知道句子的结束我们会在每个句子后面增加 一个 表示 句子的结束.使

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：1048576
    • 提供者：weixin_38658982

  1. 《动手学深度学习：机器翻译及其相关技术；注意力机制与Seq2Seq模型；Transformer》

  2. 机器翻译 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 训练 def train_ch7(model, data_iter, lr, num_epochs, device): # Saved in d2l model.to(device) optimizer = optim.Adam(model.parameters(), lr

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：28672
    • 提供者：weixin_38744962

  1. TASK04-注意力机制-机器翻译-Transformer

  2. 将注意力机制放到这里，以后会用到。 练习题放在最前面： 关于Transformer描述正确的是： 在训练和预测过程中，解码器部分均只需进行一次前向传播。 Transformer 内部的注意力模块均为自注意力模块。 解码器部分在预测过程中需要使用 Attention Mask。 自注意力模块理论上可以捕捉任意距离的依赖关系。 答案解释 选项1：训练过程1次，预测过程要进行句子长度次 选项2：Decoder 部分的第二个注意力层不是自注意力，key-value来自编码器而query来自解码器 选项3

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：118784
    • 提供者：weixin_38744375

  1. 过拟合欠拟合及其解决方案；梯度消失梯度爆炸；循环神经网络进阶；机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer；卷积神经网络基础；leNet；卷积神经网络进阶

  2. 1.过拟合欠拟合及其解决方案 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）。 模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。 2.梯度消失梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 假设一个层数为LLL的多层感知机的第lll层H(l)\boldsymbol{H}^{(l)}H(l)的权重参数为W(l)\b

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：488448
    • 提供者：weixin_38500117

  1. 论文阅读课7-使用句子级注意力机制结合实体描述的远程监督关系抽取(APCNN+D)2017

  2. 文章目录abstract1. Introduction2.方法3.训练4.实验4.1数据集4.2 评价指标4.3实验结果和分析4.3.1参数设置4.3.2 baseline4.3.3 conclusion5.相关工作5.1监督学习5.2远程监督学习 Ji, G., et al. (2017). Distant Supervision for Relation Extraction with Sentence-Level Attention and Entity Descr iptions. Pr

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：471040
    • 提供者：weixin_38712908

  1. 基于B/S模型的注意力训练系统设计

  2. 注意力不集中现象在儿童中比较普遍，目前，国内外存在的注意力训练方法有纸质量表、行为观察、生物反馈、计算机辅助训练等方式。这些方法无法便捷实现大量人群的训练和训练结果的持续有效追踪。而对儿童进行注意力训练提高他们的注意力水平。本设计以移动终端的触摸屏操作代替传统的纸笔训练，借助阿里云数据的分布式存储，实现高可用，高性能，可弹性伸缩的目标，免去数据库安全和运维烦恼，借助微信公众平台实现训练结果的一站式追踪。这种B/S模型为注意力训练提供持久的服务支持，帮助提高儿童的注意力。通过功能测试和性能测试，验

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：773120
    • 提供者：weixin_38536349

  1. 儿童注意力训练集锦

  2. 1. 注意力训练 1.1. 第一关听课不走神题 训练目的:训练学生学习能力,能使学生上课专心听讲,认真写作业,考试不粗心,提高学习成绩 训练要求:每天训练 10 分钟,放学后在家里写作业前训练,由家长

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：3145728
    • 提供者：weixin_38679233
« 12 3 4 5 6 7 8 »