检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

543 篇 期刊文献
335 篇 会议
15 篇 学位论文
1 册 图书

馆藏范围

894 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

839 篇 工学
- 565 篇 计算机科学与技术...
- 319 篇 电气工程
- 130 篇 软件工程
- 87 篇 信息与通信工程
- 77 篇 控制科学与工程
- 57 篇 仪器科学与技术
- 48 篇 测绘科学与技术
- 40 篇 生物医学工程（可授...
- 32 篇 土木工程
- 28 篇 环境科学与工程（可...
- 27 篇 机械工程
- 24 篇 电子科学与技术（可...
- 19 篇 石油与天然气工程
- 14 篇 动力工程及工程热...
- 11 篇 水利工程
- 10 篇 光学工程
- 10 篇 交通运输工程
- 9 篇 力学（可授工学、理...
- 9 篇 材料科学与工程（可...
- 8 篇 建筑学
185 篇 理学
- 81 篇 物理学
- 47 篇 地球物理学
- 35 篇 生物学
- 26 篇 化学
- 12 篇 数学
170 篇 医学
- 129 篇 临床医学
- 25 篇 基础医学(可授医学...
- 21 篇 特种医学
59 篇 管理学
- 54 篇 管理科学与工程(可...
10 篇 文学
- 8 篇 外国语言文学
7 篇 农学
5 篇 艺术学
2 篇 法学
1 篇 经济学
1 篇 教育学

主题

894 篇 encoder-decoder
159 篇 deep learning
80 篇 attention mechan...
60 篇 attention
54 篇 semantic segment...
46 篇 lstm
46 篇 feature extracti...
36 篇 transformer
35 篇 decoding
35 篇 convolutional ne...
32 篇 cnn
24 篇 semantics
22 篇 image captioning
22 篇 u-net
21 篇 speech recogniti...
21 篇 convolutional ne...
20 篇 task analysis
20 篇 machine learning
19 篇 long short-term ...
18 篇 image segmentati...

机构

8 篇 univ chinese aca...
8 篇 univ sci & techn...
6 篇 chinese acad sci...
6 篇 univ sci & techn...
6 篇 univ sci & techn...
5 篇 nanjing univ sci...
4 篇 jiangnan univ sc...
4 篇 microsoft corp r...
4 篇 chongqing univ c...
4 篇 wuhan univ sch r...
4 篇 shenyang siasun ...
4 篇 southeast univ s...
4 篇 univ sci & techn...
4 篇 toyota technol i...
4 篇 iflytek res peop...
4 篇 google inc mount...
4 篇 shanghai jiao to...
4 篇 northeastern uni...
4 篇 tianjin univ sch...
4 篇 chinese acad sci...

作者

8 篇 watanabe shinji
7 篇 du jun
6 篇 liu yang
6 篇 chen kai
6 篇 zhang jianshu
5 篇 zhang limao
5 篇 wang feng
5 篇 wang jun
4 篇 gaur yashesh
4 篇 zhang chunyu
4 篇 wu chengdong
4 篇 wang qing
4 篇 wang bing
4 篇 li chen
4 篇 song xiao
4 篇 xu bo
4 篇 ling zhen-hua
4 篇 xu fang
4 篇 jiao licheng
4 篇 toshniwal shubha...

语言

832 篇 英文
31 篇 中文
29 篇 其他
3 篇 法文
1 篇 德文
1 篇 俄文

检索条件"主题词=Encoder-decoder"

共 894 条记录，以下是871-880 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

Knowledge Distillation for Machine Translation

Knowledge Distillation for Machine Translation

引用

2018 2nd International Conference on Computer Science and Intelligent Communication(CSIC 2018)

作者： Zhen Li Dan Qu Chaojie Xie Xuejuan Wei National Digital Switching System Engineering & Technological R&D Center P.R.China

encoder-to-decoder is a newly architecture for Neural Machine Translation(NMT). Convolutional Neural Network(CNN) based on this framework has gained significant success in NMT task. Challenges remain in the practical use of CNN model, which is in need of bilingual sentence pairs for training and each bilingual data is designed for CNN translation model needing retraining. Although some successful performance has been reported, it is an important research direction to avoid model overfitting caused by the scarcity of parallel corpus. The paper introduces a simple and efficient knowledge distillation method for regularization to solve CNN training overfitting problems by transferring the knowledge of source model to adapted model on low-resource languages in NMT task. The experiment on English-Czech dataset result shows that our model solve the over fitting problem, get better generalization, and improve the performance of a low-resource languages translation task.

关键词： Neural Machine Translation (NMT) Convolutional Neural Network (CNN) knowledge distillation encoder-decoder low-resource

来源：评论

学校读者我要写书评

暂无评论

Suspect Face Generation

Suspect Face Generation

引用

International Conference on Circuits, Systems, Communication and Information Technology Applications (CSCITA)

作者： Harsh Jaykumar Jalan Gautam Maurya Canute Corda Sunny Dsouza Dakshata Panchal SFIT Mumbai India

ISBN: (数字)9781728123394

ISBN: (纸本)9781728123400

Currently sketch artists are employed by the police to draw sketches of suspects based on the description given by an eye-witness. These sketches can sometimes be inaccurate due to incorrect drawings of the artist or the incorrect description given by the witness. Generative Adversarial Network (GAN) is a way of training a Neural Network to output images which belong to a specific class. This network is trained by using an adversarial process which pits the generator against the discriminator in a minimax game. Traditional GANs are unable to generate high-resolution images hence, StyleGAN is used to resolve this issue. The generated images may still need to be altered to get a close match so TL-GAN is used to alter the generated image by altering the latent-space input of the StyleGAN. TL-GAN offers users the ability to finely tune one or multiple features of the face holistically. The main objective of the proposed work is to develop a Suspect Face Generation System as the sketches made by sketch artists are only 13 out of 160 times (approx. 8%) accurate. This system will help the society in reduction of misidentification of crime suspects and considerably reduce the crime rate.

关键词： GAN StyleGAN TL-GAN Resnet-50 CNN encoder-decoder Sketches artist gallium nitrate images Face Proposed works Minimax False identification vandalism crime Law Enforcement Officers dynamos

来源：评论

学校读者我要写书评

暂无评论

Absolute Phase Unwrapping with Deep Neural Network for Structured Light 3D Reconstruction

Absolute Phase Unwrapping with Deep Neural Network for Struc...

引用

第33届中国控制与决策会议

作者： Wan Chang Sen Xiang Huiping Deng Jin Wu School of Information Science and Engineering Wuhan University of Science and Technology Engin.Research Center of Metallurgical Auto.and Measurement Tech. Ministry of Education

Phase-coding structured light is an important technique in 3 D ***,a great challenge is the wrapped phase that causes geometry *** unwrapping methods such as spatial and temporal approaches face the problem of error propagation and low *** this paper,we propose to solve the phase unwrapping problem with a deep neural *** be specific,the phase unwrapping problem is cast to a semantic segmentation task,where the wrapped phase is the input and the fringe index for every pixel is the *** encoderdecoder architecture,which is like U-net,is adopted as the *** further propose a combined loss function by considering cross entropy loss,phase consistency loss and edge consistency *** 10000 artificially synthesized samples,the proposed method converges *** results demonstrate that the trained model well predicts fringe orders on both simulation data and real captured *** addition,it unwrapps every pixel independently and avoids phase error propagation,and further achieves accurate 3 D reconstruction.

关键词： 3D Reconstruction Phase Unwrapping Deep Neural Network encoder-decoder

来源：评论

学校读者我要写书评

暂无评论

针对复杂场景的图像描述研究 ——基于动态聚焦模型

针对复杂场景的图像描述研究 ——基于...

引用

作者：吕沁芸江西财经大学

学位级别：硕士

近年来,以M-RNN为代表的网络结构在Image Captioning领域的应用表现出不错的效果。在使用神经网络模型实现该任务的过程中,从编码器的图像特征提取到解码器中选择关注图像信息还是文本信息从而产生文本描述,这一系列的算法都将影响模型... 详细信息

近年来,以M-RNN为代表的网络结构在Image Captioning领域的应用表现出不错的效果。在使用神经网络模型实现该任务的过程中,从编码器的图像特征提取到解码器中选择关注图像信息还是文本信息从而产生文本描述,这一系列的算法都将影响模型的性能。在以往使用深度学习模型的研究中,有的研究者使用深层的卷积神经网络以及多层的双向的长短期记忆网络构建模型,也有的尝试在图像空间特征上施加注意力机制,但无论哪种都没有明确关注抽象概念的预测。本文以multi-model形式构建深度学习网络架构实现Image Captioning任务,通过encoder-decoder框架,使用不同的CNN提取图像特征,使用预训练的Glove作为词嵌入结合LSTM,在编码器中加入改进的注意力机制作为最终网络结构。在测试集上的预测,使用了Beam Search确认最终预测得到图片描述文本,并使用BLEU,METEOR和CIDEr三个指标评价模型性能。我们的模型能在产生图像描述的每个时间步动态处理来自视觉和非视觉的信息,因此能对抽象概念产生较好的预测。这也是本文的特色所在,即:在decoder部分,模型能自动选择是否利用视觉信息还是语言模型,从而产生质量较高的图像描述。

关键词： Image Captioning encoder-decoder 注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的汉语依存分析方法研究

基于深度学习的汉语依存分析方法研究

引用

作者：刘航北京交通大学

学位级别：硕士

依存句法分析是自然语言处理的一项关键基础技术,其目标是根据依存语法理论识别出词语之间的语义修饰关系并建立相应的依存句法树。依存句法树具有表现形式简洁高效等优点,成为计算机理解自然语言的重要表达形式,被广泛应用于机器翻译... 详细信息

依存句法分析是自然语言处理的一项关键基础技术,其目标是根据依存语法理论识别出词语之间的语义修饰关系并建立相应的依存句法树。依存句法树具有表现形式简洁高效等优点,成为计算机理解自然语言的重要表达形式,被广泛应用于机器翻译等自然语言处理任务中。与英语和日语的依存句法分析水平相比,目前汉语依存分析的精度尚且不高,其主要原因有两方面。一方面,汉语的词语之间没有分词标记且汉字构词能力较强,容易分词错误;另一方面,词形变化、格助词和从句连词等表层信息的缺失,使得词性标注和依存句法分析的歧义性更大,增大了任务的分析难度。在实际应用时,汉语依存句法分析需要分词和词性标注的结果,这两项任务的准确度直接影响依存句法分析的精度。对此,研究人员提出汉语分词、词性标注、依存句法分析的联合模型,通过三项任务的并行处理以及中间结果的相互利用来解决任务间的错误传播问题。因此,如何利用三项任务的中间结果作为特征,相互提携同步提升精度成为本领域的探索热点。本文旨在研究基于深度学习的三项任务联合处理的汉语依存分析方法。我们利用深度学习自动学习特征和获取全局信息的优势,实现基于转移的依存分析联合模型。本文的主要工作和贡献总结如下:(1)提出依存子树编码方法。依存分析联合模型在分析过程中生成的依存子树结构复杂多样且数量不固定,使得依存子树特征的利用变得复杂困难。目前基于特征工程的方法和基于神经网络的方法仅能提取分析栈栈顶的部分依存节点信息用于决策,而无法利用分析栈内的所有信息。针对这一问题,本文将分析栈的结构与神经网络结合,提出Stack-Tree LSTM依存子树编码方法,以获得完整的依存句法树特征,同时避免繁琐的特征工程。评测实验结果表明,本文所提方法可以提升长句和长距离的依存分析精度,在分词、词性标注、依存分析上的精度均超过已有的基于神经网络的依存分析联合模型,F1值分别达到97.78%、93.51%和79.66%。(2)设计实现基于位置的汉字语义表示学习方法。汉字作为汉语的语义单元,其语义依赖于所出现的语境,而传统的汉字语义表示方法使用唯一固定的、与语境无关的向量表示,显然不合理。本文利用汉字在词语中的位置区分汉字的语义,采用经典的位置标注方法(B/M/E/S)为汉字设计四种基本语义向量;然后引入注意力机制,根据汉字所在句子的上下文信息对基本向量加权求和以获得最符合当前句子语境的汉字语义表示。评测实验结果表明,该方法可以有效提升汉语分词的性能(+0.3%),并使得依存分析性能提升(+0.59%)。(3)提出基于encoder-decoder的汉语依存分析方法。已有的依存分析联合模型在决策时仅考虑当前状态信息,并未利用历史状态信息,也未考虑转移动作之间的依赖关系。本文针对这一问题,提出基于encoder-decoder的汉语依存分析方法。在encoder部分,本文结合基于位置的汉字语义表示学习方法和双向LSTM,准确表示汉字的语义信息和句子的全局信息;在decoder部分,本文设计一个特征提取器用于获取解码过程中每个时刻的n-gram特征、词性特征和依存子树特征,然后利用LSTM记录历史状态信息和先前所有的解码结果,为每个时刻的决策提供更加丰富的特征。评测实验结果表明,该方法在三项任务上的F1值分别达到97.88%、93.82%和80.47%。与已有的基于神经网络的依存分析联合模型相比,分别提升 0.16%、0.70%和 1.44%。综上所述,本文提出了基于深度学习的三项任务联合处理的汉语依存分析方法。通过在国际公开数据集Penn Chinese TreeBank上搭建模型和开展评测,验证了所提方法中各个部分的有效性,并与已有代表性方法进行对比评测,充分验证了本文方法的有效性。与基于神经网络的依存分析联合模型相比,本文所提方法在三项任务上的精度均有所提升,在依存分析上的精度提升最为显著。

关键词：深度学习汉语依存句法分析依存子树编码汉字语义表示分词和词性标注 encoder-decoder

来源：评论

学校读者我要写书评

暂无评论

面向稠密NRSfM的神经网络模型的研究

面向稠密NRSfM的神经网络模型的研究

引用

作者：王敏洁浙江理工大学

学位级别：硕士

稠密非刚性运动恢复结构用于对具有非刚性运动的物体进行精确的三维重建,是非刚性运动恢复结构(Non-rigid Structure from Motion,NRSf M)的一个特殊分支。与标准的NRSf M算法相比,稠密NRSf M可以在更高的精度下还原非刚性物体的形状和... 详细信息

稠密非刚性运动恢复结构用于对具有非刚性运动的物体进行精确的三维重建,是非刚性运动恢复结构(Non-rigid Structure from Motion,NRSf M)的一个特殊分支。与标准的NRSf M算法相比,稠密NRSf M可以在更高的精度下还原非刚性物体的形状和表面细节,并生成更为精细的三维模型,因此在计算机视觉和真实世界应用等方面具有重要的研究意义。然而,由于稠密NRSf M在解决问题时需要处理大规模的、具有非刚性结构的图像数据,且对精度和效率具有极高的要求,故研究进展相对缓慢。2020年,神经网络技术第一次被应用于稠密NRSf M领域,并取得了优于传统方法的性能,因此开始受到关注。但现存基于神经网络的稠密NRSf M方案多适用于半稠密数据集,且由于该研究兴起不久,神经网络技术在稠密NRSf M领域并没有得到充分的研究与应用。因此,本文开展了以下两方面的研究工作:(1)受到基于模板的三维重建(Shape from Template,Sf T)方法启发,本文将传统刚性运动恢复结构(Rigid Structure from Motion,RSf M)方法与神经网络技术相结合,提出基于自建模板的稠密NRSf M神经网络模型(T-NRSf M)。该模型首先采用刚性因式分解方法获得重建对象的稠密三维模板,再使用神经网络技术拟合目标物体的形变特征,从而实现稠密非刚性物体的三维重建。其中,为防止重建效果过于依赖初始模板质量,引入Auto encoder架构在网络训练过程中对模板进行微调。此外,由于神经网络技术在重建形变特征时,所需参数数量与重建对象形变复杂度密切相关,本文引入Res Net结构适当调节网络的参数数量,以提高网络对非刚性物体复杂形变的拟合能力,并避免由于网络加深加宽而带来的梯度消失和收敛缓慢等问题。实验结果表明,与大多数竞争算法相比,T-NRSf M在重建精度方面表现更优,并具有良好的鲁棒性。(2)针对现有的基于神经网络的稠密NRSf M方法忽略了时空数据的重要性,以及引入传统RSf M算法限制了神经网络模型重建具有较大形变的物体的能力等缺点,本文采用encoder-decoder架构设计了一个端到端的深度时空稠密NRSf M网络模型(DST-NRSf M),并引入新型的加权空间约束进一步优化三维重建结果。此外,本文巧妙地将层归一化引入到稠密NRSf M任务中,以解决梯度消失问题,并加速神经网络的收敛速度。实验结果表明,无论是在常用的合成数据集上还是真实的基准数据集上,DST-NRSf M模型均体现出了最先进的性能,且在重建形变较大的目标时,表现依旧优异。综上,针对神经网络技术在稠密NRSf M领域尚未得到充分研究与应用的现状,本文从不同的重建思路出发,提出了两个面向稠密NRSf M的神经网络模型。实验结果表明,相比于现有算法,本文提出的两个模型均可实现更高精度的稠密非刚体三维重建。

关键词：稠密NRSfM 自建模板 ResNet encoder-decoder 加权空间约束

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的家居设计方法

基于深度神经网络的家居设计方法

引用

作者：吴丹北京理工大学

学位级别：硕士

家居设计是室内场景理解的一个重要方向,一个合理有效的智能家居模型可以为设计工作提供很多帮助,具有良好的应用前景。当前家居布局方法都是基于传统机器学习算法,需要多个模型共同完成任务,因此在模型简化上存在一定的提升空间。同时... 详细信息

家居设计是室内场景理解的一个重要方向,一个合理有效的智能家居模型可以为设计工作提供很多帮助,具有良好的应用前景。当前家居布局方法都是基于传统机器学习算法,需要多个模型共同完成任务,因此在模型简化上存在一定的提升空间。同时,在艺术设计领域,空间序列级的家居设计往往是掌握整体空间、把控设计手法的一种重要途径。因此,本文在序列思想的启发下,提出了一种新的基于深度神经网络的家居设计方法,延伸了深度神经网络的应用领域。首先,为验证序列思想的有效性,本文提出了顺序结构的家居设计方法。在数据预处理阶段,我们标注本文模型所需的数据集,并利用基于循环神经网络的encoderdecoder框架以及近年提出的序列模型来实现顺序结构预测任务。给定一个家居序列后,本文模型将会提取字符间的时序特征并预测接下来的家居序列,将给定的条件序列与目标预测连接起来就构成一个完整的家居设计方案。其次,我们提出了双向分层家居设计模型。为使模型更贴近于实际应用,我们引入参数约束,即限制家居物体的相对尺寸,利用在encoder-decoder上的改进模型构建双向分层的家居设计模型并实现家居序列设计工作。完整的双向分层家居设计是将预测任务根据四面墙体分解为四个模块,其中包括了数据预处理、特征提取、分层预测与参数筛选等几个部分,其中分层预测与参数筛选是同时进行的两个模块,即对于每一层的预测任务我们都要事先给定该层的参数约束,同时在预测阶段对参数进行筛选。最后,我们利用Unity3D引擎绘制模型所设计出的家居场景,通过与近年来流行的机器学习方法进行效果对比,显示了本文提出的模型具有实用性的参考价值,同时,我们在模型的风格学习方面做了尝试,表明了基于深度学习的序列思想在家居设计领域具有一定的理论意义与实用价值。同时,我们在最后对本文的工作做了总结与展望,分析模型具有的一些问题,同时也是今后这项工作要参考和改进的方向。

关键词：家居设计空间序列深度学习循环神经网络 encoder-decoder

来源：评论

学校读者我要写书评

暂无评论

Study on Abstractive Text Summarization Techniques

Study on Abstractive Text Summarization Techniques

引用

Emerging Trends in Information Technology and Engineering (ic-ETITE), Conference on

作者： Parth Rajesh Dedhia Hardik Pradeep Pachgade Aditya Pradip Malani Nataasha Raul Meghana Naik Sardar Patel Institute of Technology Mumbai India

ISBN: (数字)9781728141428

ISBN: (纸本)9781728141435

As there is an increase in the usage of digital applications, the availability of data generated has increased to a tremendous scale. Data is an important component in almost every domain where research and analysis are required to solve the problems. It is available in a structured or unstructured format. Therefore, in order to get corresponding data as per the application's purpose, easily and quickly from different sources of data on the internet, an online content summarizer is desired. Summarizers makes it easier for users to understand the content without reading it completely. Abstractive Text Summarizer helps in defining the content by considering the important words and helps in creating summaries that are in a human-readable format. The main aim is to make summaries in such a way that it should not lose its context. Various Neural Network models are employed along with other machine translation models to bring about a concise summary generation. This paper aims to highlight and study the existing contemporary models for abstractive text summarization and also to explore areas for further research.

关键词： Abstractive Summarization Attention Seq2Seq encoder-decoder Pointer Mechanism Data sources texts data availability machine translation reading Online content

来源：评论

学校读者我要写书评

暂无评论

Question Answering with Character-Level LSTM encoders and Model-Based Data Augmentation

Question Answering with Character-Level LSTM Encoders and Mo...

引用

第十六届全国计算语言学学术会议暨第五届基于自然标注大数据的自然语言处理国际学术研讨会

作者： Run-Ze Wang Chen-Di Zhan Zhen-Hua Ling National Engineering Laboratory for Speech and Language Information Processing University of Science and Technology of ChinaHefeiChina

ISBN: (纸本)9783319690049

This paper presents a character-level encoder-decoder mod-eling method for question answering(QA)from large-scale knowledge bases(KB).This method improves the existing approach [9] from three ***,long short-term memory(LSTM)structures are adopted to replace the convolutional neural networks(CNN)for encoding the can-didate entities and ***,a new strategy of generating neg-ative samples for model training is ***,a data augmentation strategy is applied to increase the size of the training set by generating factoid questions using another trained encoder-decoder ***-mental results on the SimpleQuestions dataset and the Freebase5M KB demonstrates the effectiveness of the proposed method,which improves the state-of-the-art accuracy from 70.3%to 78.8%when augmenting the training set with 70,000 generated triple-question pairs.

关键词： Question Answering Knowledge Base Long Short-TermMemory encoder-decoder

来源：评论

学校读者我要写书评

暂无评论

Two-Level Model for Table-to-Text Generation

Two-Level Model for Table-to-Text Generation

引用

作者： Juan Cao Junpeng Gong Pengzhou Zhang Communication University of China

Table-to-text generation involves using natural language to describe a table which has formal structure and valuable information. This paper introduces a two-level encoder-decoder neural model for table-to-text generation. To make the most of the structure which ordinarily is expressed as a set of field-value records and deal with rare words appearing in a table, this study adopts an improved encoder-decoder approach and uses field information to reprocess words in texts as decoding result. In encoder, two LSTM-RNNs used for combining fields and values that one LSTM-RNN gives priority to fields and the other gives first place to values. In decoder, two-level attention mechanism used on states encoded before to get the relation between words in the text and fields in the table and the relation between words in the text and values in the table. At last the decoding result is transformed to real words. The model is experimented on WIKIBIO and WEATHERGOV, and improves the current stateof-the-art BLEU-4 score from 44.89 to 45.77, and from 61.01 to 62.89 respectively.

关键词： table-to-text generation encoder-decoder attention mechanism neural network

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共90页 << < 81 82 83 84 85 86 87 88 89 90 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：