Thành phố Cuồng loạn

Dịch máy nơ-ron (Neural Machine Translation - NMT) là một bước tiến đột phá trong lĩnh vực xử lý ngôn ngữ tự nhiên, thay thế các phương pháp dịch dựa trên cụm từ truyền thống. Kiến trúc cốt lõi của NMT dựa trên mô hình chuỗi sang chuỗi (seq2seq), sử dụng mạng nơ-ron hồi quy (RNN) để xử lý dữ liệu tuần tự. Cơ chế hoạt động của mô hình Encoder-D ...

Trong lĩnh vực sinh ảnh bằng trí tuệ nhân tạo (AI Image Generation), một trong những thách thức lớn nhất là duy trì tính nhất quán về mặt thời gian (temporal consistency). Khi người dùng cố gắng tạo ra một loạt ảnh về cùng một nhân vật hoặc bối cảnh, các chi tiết như khuôn mặt, trang phục hay ánh sáng thường bị thay đổi đột ngột giữa các khung ...

Tổng Quan Về Mô Hình Mô hình Text-RNN (Recurrent Neural Network) là một lựa chọn phổ biến trong bài toán phân lớp văn bản. Trong ngữ cảnh hệ thống hỏi đáp (Question Answering), nhiệm vụ chính là dự đoán ý định (intent) của người dùng dựa trên câu lệnh nhập vào. Sử dụng mạng lưới thần kinh hồi tiếp có khả năng nắm bắt được thông tin ngữ cảnh và ...

Ứng dụng TextRCNN trong phân loại văn bản để nhận diện ý định Giải pháp triển khai mạng TextRCNN (Recurrent Convolutional Neural Network) cho bài toán phân loại văn bản nhằm xác định ý định trong hệ thống hỏi đáp. Mô hình kết hợp kiến trúc LSTM và CNN để trích xuất đặc trưng từ chuỗi ký tự đầu vào. Mã nguồn triển khai Cấu hình môi trường và ...

TTAO-CNN-LSTM là một mô hình dự đoán hồi quy dựa trên tối ưu hóa bộ nhớ tam giác (TTAO) kết hợp mạng nơ-ron tích chập (CNN) và mạng nơ-ron ngắn hạn dài hạn (LSTM). Mô hình này được công bố trên tạp chí HExpert Systems With Applications vào tháng 3 năm 2024, phù hợp cho cả dự đoán đơn biến và đa biến, phân loại, và có thể sử dụng nhiều thuật toá ...

Giới thiệu Bài viết này trình bày quá trình tái tạo mô hình phát hiện bất thường VAE-LSTM. Mô hình kết hợp giữa mạng Variational Autoencoder (VAE) và mạng Long Short-Term Memory (LSTM) để xử lý dữ liệu chuỗi thời gian. Cấu hình môi trường Môi trường được sử dụng trong quá trình tái tạo bao gồm: Python 3.7 TensorFlow 1.15 NumPy 1. ...

Phân tích SHAP cho mô hình học sâu: Trình bày trực quan cấp từ và cấp câu Trong ứng dụng thực tế của các mô hình học sâu, việc hiểu cách một model thực hiện các quyết định như trong các задач như phân loại văn bản hay phân tíchsentim vẫn còn là một "đen". SHAP (SHapley Additive exPlanations) cung cấp một phương pháp dựa trên lý thuyết hợp tác ...

Được công bố trên IEEE Transactions on Medical Imaging (tháng 7 năm 2022), bài báo "Mạng Long Short-Term Memory Nhận thức Cấu trúc cho Phát hiện Điểm Giải phạm 3D" của Chen Runnan và các cộng tác viên đã đề xuất một mạng LSTM nhận thức cấu trúc nhằm nâng cao độ chính xác và khả năng chịu lỗi của việc phát hiện điểm giải phẫu trong chụ ...