机构名称：
¥ 1.0
简介：机器翻译是一个具有重要科学和实际意义的现代自然语言处理研究领域。在实践中，语言的变化，语义知识的局限性以及缺乏平行语言资源限制了机器翻译的发展。目标：本文旨在避免在学习过程中复制神经网络，并提高具有有限资源的复杂神经网络机器翻译模型的能力。方法：研究源语言中的文本材料，并使用合适的文本材料表示模型来表达复杂，高级和抽象的语义信息。然后，基于书面数据和算法的控制开发了一个更有效的神经网络机器翻译集成模型。结果：基于转移学习以标准化有限的神经网络模型，必须将数据挖掘应用于复杂的神经网络机器翻译系统。结论：基于迁移训练的基于神经网络的嵌入式机器翻译系统需要少量标记的样品，以提高系统的渗透性。但是，这种自适应迁移学习区域方法可以很容易地导致神经网络翻译模型中的过度学习问题，从而避免了学习过程中过度的对应关系，并提高了具有有限的神经网络资源的翻译模型的概括能力。
文章通过高纤维曲线加密增强了车辆互联网中的隐私算法翻译校正机制
主要关键词
相关文件推荐
