الأساليب الحديثة لتحليل الدوائر الانتخابية هي مناهج إشراف أحادية اللغات التي تتطلب كمية كبيرة من البيانات المسمى التي سيتم تدريبها على، مما يحد من فائدتها إلى حفنة فقط من لغات الموارد العالية فقط. لمعالجة هذه المسألة في هذه المسألة لغات الموارد المنخ
فضة، نقترح نواعد الشبكة العصبية المتكررة عالمية (UNIRNNG) وهي متغير متعدد اللغات من نموذج قواعد الشبكة العصبية المتكررة (RNNG) المتكررة (RNNG) لتحليل الدوائر الانتخابية. ينطوي UNIRNNG على تعلم التحويل عبر اللغات لمهمة تحليل الدوائر الانتخابية. يتم إلهام بنية UNIRNNG من حيث المبدأ ونظرية المعلمة التي اقترحها نام تشومسكي. تستخدم UNIRNNG المعرفة النموذجية اللغوية المتاحة كقيم ميزة داخل قاعدة بيانات WALS، للتعميم على لغات متعددة. بمجرد التدريب على Corpus PolyGlot PolyGlot المتنوع بما فيه الكفاية، يمكن تطبيقه على أي لغة طبيعية مما يجعلها محلل الدائرة الانتخابية اللازمة للغات. تكشف التجارب أن نهج خطوط خط الأساس المتوفرة في UNIRNNG المتفوقة بالنسبة لنا أكبر من أجل معظم اللغات المستهدفة التي تم اختبارها.
تركز طرق تعلم الجهاز لتحليل المستندات المالية بشكل رئيسي على الجزء النصي.ومع ذلك، فإن الأجزاء العددية من هذه المستندات غنية أيضا بمحتوى المعلومات.من أجل تحسين تحليل النص المالي، يجب علينا أن نحقق المعلومات الرقمية في العمق.في ضوء ذلك، فإن الغرض من هذ
ا البحث هو تحديد الارتباط بين CASCTAG المستهدف والأرقام المستهدفة في التغريدات المالية، التي تعد أكثر تحديا من تحليل الأخبار والوثائق الرسمية.في هذا البحث، قمنا بتطوير نهج خلط متعدد النماذج يدمج تمثيلات تشفير ثنائية الاتجاه من المحولات (بيرت) والشبكة العصبية التنافعية (CNN).نحن أيضا ترميز معلومات التبعية خلف النص إلى النموذج لاستخلاص الميزات الكامنة الدلالية.تظهر النتائج التجريبية أن نموذجنا يمكنه تحقيق أداء رائع ومقارنات تفوق.
تقدم هذه الورقة طريقة تلخيص عالمية لتعليقات الرياضة الحية التي لدينا ملخص مكتوب بشري متاح.تستند هذه الطريقة إلى ملخص مولد عصبي.يتم تقييد كمية البيانات المتاحة للتدريب مقارنة بالشريعة المستخدمة عادة من قبل الملخصات العصبية.نقترح لمساعدة الملخص على الت
علم من كمية محدودة من البيانات عن طريق الحد من انتروبيا من نصوص الإدخال.يتم تنفيذ هذه الخطوة من خلال تصنيف إلى فئات مستمدة من تحليل مفصل للملخصات التي كتبها الإنسان.نظهر أن الترشيح يساعد نظام التلخيص للتغلب على نقص الموارد.ومع ذلك، ظهرت عدة نقاط تحسين من هذه الدراسة الأولية، والتي نناقشها وتخطط لتنفيذها في العمل في المستقبل.
تحقق هذه الورقة في كيفية تأثير ترتيب النغمة بالنسبة إلى السلسلة القطاعية على حساب الاحتمالات الشوئية.تم تدريب نماذج الشبكة العصبية العصبية المتكررة على معجم مقطع لفظي من مقطع لفظي لأربعة لغات من مقطع لفظي آسيوي (الماندرين والتايلاندية والفيتنامية وال
كانتونية) التي تم التعامل معها على أنها شريحة تحدث في مواقف مختلفة في السلسلة.بالنسبة لنماذج Trigram، تفاعل التقليب الأمثل مع اللغة، في حين أن نماذج الشبكة العصبية غير متأثرة نسبيا عن طريق النغمة بجميع اللغات.بالإضافة إلى توفير خط أساس للتقييم في المستقبل، تشير هذه النتائج إلى أن الاحتمالية الشوئية قوية في خيارات كيفية طلب النغمة فيما يتعلق بالعناصر الأخرى في مقطع لفظي.
شرح نماذج الشبكة العصبية مهمة لزيادة جدورث بالثقة في تطبيقات العالم الحقيقي. توليد معظم الأساليب الموجودة تفسيرات ما بعد الهخص لنماذج الشبكة العصبية من خلال تحديد وسمات الميزات الفردية أو الكشف عن التفاعلات بين الميزات المجاورة. ومع ذلك، بالنسبة للنم
اذج التي تحتوي على أزواج نصية كدخلات (على سبيل المثال، التعريف بإعادة صياغة التعريف)، فإن الأساليب الموجودة ليست كافية لالتقاط تفاعلات الميزات بين نصين وتمديدها البسيط لحساب جميع تفاعلات Word-Beach بين نصفي غير فعال. في هذا العمل، نقترح طريقة Group Mask (GMASK) لتكتشف ضمنيا علاقات الكلمات من خلال تجميع الكلمات المرتبطة من زوج إدخال الإدخال معا وقياس مساهمتها في مهام NLP المقابلة ككل. يتم تقييم الطريقة المقترحة مع اثنين من بنية نموذجية مختلفة (نموذج الاهتمام للتحلل) عبر أربع مجموعات بيانات، بما في ذلك الاستدلال اللغوي الطبيعي وإعادة صياغة مهام التعريف. تظهر التجارب فعالية Gmask في توفير تفسيرات مخلصة لهذه النماذج.
في هذه الورقة، نحدد مهمة مجردة تسمى الإدراك الهيكلي الذي يولد كلمات تعطى بادئة للكلمات وتمثيل جزئي لشجرة تحليل.نقدم أيضا طريقة لحل مثيلات هذه المهمة باستخدام شبكة عصبية Graph بوابات (GGNN).نحن نقيمها بتدابير الدقة القياسية، وكذلك فيما يتعلق بالحيرة،
التي تعمل فيها مقارنة مع العمل السابق على نمذجة اللغة لتحديد المعلومات المضافة إلى مهمة اختيار معجمية من خلال وجود المعرفة النحوية.إن إضافة العقد الداخلية لتحليل الشجرة إلى النموذج العصبي هذا يجب أن تحسن النموذج، مع احترام كل من الدقة وإلى تدابير تقليدية مثل الحيرة، قد يبدو غير متأكدا، لكن المحاولات السابقة لم تلبي نجاحا تقريبا.لقد تعلمنا أيضا أن الروابط العرضية من خلال تحليل شجرة تسول في دقة النموذج في توليد الصفة والأجزاء الاسمية من الكلام.
تصف هذه الورقة النموذج المدمج للمهمة المشتركة SIGTYP 2021 التي تهدف إلى تحديد 18 لغة مختلفة عن تسجيلات الكلام.يتم تحويل معاملات CEPSTRAL Mel-تردد Mel المستمدة من الملفات الصوتية إلى طفرات، ثم تغذيها بعد ذلك في بنية CNN المستند إلى 50.حصل النموذج النه
ائي على التحقق من الصحة واختبار بدلة 0.73 و 0.53، على التوالي.
تم استخدام الشبكات العصبية السيامية على نطاق واسع لأداء تصنيف التشابه في إعدادات متعددة الطبقات.يمكن استخدام بنيةهم لجماعة التجارب السريرية التي تنتمي إلى نفس مسار تنمية المخدرات على طول المراحل المحاكمة السريرية العديدة.هنا نقدم نهجا للحاجة غير المل
باة لإعادة إعمار مسار تنمية المخدرات، استنادا إلى شبكة عميقة محسنة في العمل العصبي الهجين (Ensidnet).يوضح النموذج المقترح تحسنا كبيرا فوق خط الأساس في إعداد تقييم طلقة واحدة وفي إعداد التشابه الكلاسيكي.يمكن أن تكون Ensidnet أداة أساسية في بيئة تعليمية شبه إشراف: من خلال تحديد التجارب السريرية من المرجح أن تنتمي إلى نفس مسار تنمية المخدرات، من الممكن تسريع عملية وضع العلامات للخبراء البشريين، مما يسمح بفحص حجم متسقالبيانات، تستخدم كذلك في مجموعة بيانات التدريب.
حققت خوارزمية التعلم العميق مؤخرًا الكثير من النجاح خاصة في مجال رؤية الكمبيوتر.يهدف البحث الحالي إلى وصف طريقة التصنيف المطبقة على مجموعة البيانات الخاصة بأنواع متعددة من الصور (صور الرادار ذي الفجوة المركبةSAR والصور ليست SAR) ، أستخدم نقل التعلم م
تبوعًا بأساليب الضبط الدقيق في مخطط التصنيف هذا . تم استخدام بنيات مدربة مسبقًا على قاعدة بيانات الصور المعروفهImageNet، تم استخدام نموذج VGG 16 بالفعل كمستخرج ميزات وتم تدريب مصنف جديد بناءً على الميزات المستخرجة .تركز بيانات الإدخال بشكل أساسي على مجموعة البيانات التي تتكون من خمس فئات فئة صور الرادارSAR (المنازل) وفئات الصور ليستSAR (القطط والكلاب والخيول والبشر). تم اختيار الشبكة العصبية التلافيفية (CNN) كخيار أفضل لـعملية التدريب لانها نتجت عن دقة عالية. لقد وصلنا إلى الدقة النهائية بنسبة 91.18٪ في خمس فئات مختلفة. تتم مناقشة النتائج من حيث احتمالية الدقة لكل فئة في تصنيف الصورة بالنسبة المئوية. تحصل فئة القطط على 99.6٪ ، بينما تحصل فئة المنازل على 100٪ وتحصل انواع آخرى من الفئات بمتوسط درجات 90٪ وما فوق.
تعد التغذية الكهربائية الموثوقة و المستمرة ضرورية في ظل وظائف المجتمع الحالي المعقدة. نتيجةً للاستهلاك المتزايد و توسع شبكات التوزيع الكهربائية، فإن نظم القدرة الكهربائية تعمل بشكل قريب من حدودها الفنية، و بالتالي تتزايد احتمالية حدوث حالات التحميل ا
لزائد، فشل التجهيزات و التعتيم. أكثر من ذلك، فإننا نواجه مشكلة أخرى تتجسد في عدم القدرة على تخزين الطاقة الكهربائية بشكل فعال و بالتالي يجب أن يتم توليد الطاقة الكهربائية عند الحاجة لها فقط.
و نظراً لما يواجهه العالم من نضوب الموارد النفطية و الصعوبات المرتبطة بتأمين مصادر أخرى لتوليد الطاقة الكهربائية فإن عملية التنبؤ بالحمل الكهربائي تشكل عاملاً حاسماً في منظومة القدرة الكهربائية سواء من الناحية الاقتصادية، أو من الناحية الفنية على مستويي التشغيل و التخطيط.
يقدم هذا البحث منظومة تنبؤ بالحمل الكهربائي قصير الأمد بالاعتماد على الشبكات العصبونية، مع محاكاة ضمن بيئة ماتلاب بالإضافة إلى واجهة بيانية للمنظومة اعتماداً على بيانات الأحمال السابقة و محددات الطقس في محافظة طرطوس.
