深度学习中的注意力可以广义地解释为重要性权重的向量：为了预测一个元素，例如句子中的单词，使用注意力向量来估计它与其他元素的相关程度有多强，并将其值的总和作为目标的近似值。
2021-08-15 02:00:23
3.95MB
BiLSTM-POS-Tagger
基于双向LSTM网络（PyTorch）的词性标注器
要训练网络，请使用rnn_train.py（确保提供带标签的数据集）
要加载网络并标记句子，请使用rnn_annotate.py
Data.py和TaggerModel.py包含各自的类
2021-08-14 23:05:58
10.85MB
1
行业分类-作业装置-一种基于图注意力机制强化学习的多基站协同无线网络资源分配方法.7
2021-08-10 18:06:05
651KB
行业分类-物理装置-一种基于注意力机制的合成孔径雷达舰船目标检测方法.zip
2021-08-08 13:03:10
700KB
行业分类-物理装置-一种基于注意力机制的早产儿视网膜图像分类方法和装置.zip
2021-08-08 13:03:05
539KB
行业分类-物理装置-一种基于注意力机制深度学习的混沌时间序列预测方法.zip
2021-08-08 13:03:03
533KB