• Latest
  • Trending
RNN’leri Kullanan Düşük Kaynaklı Makine Çevirisi

RNN’leri Kullanan Düşük Kaynaklı Makine Çevirisi

7 Şubat 2019
İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

16 Ocak 2021
Kombucha Çayından İlham Alan Mühendisler, ‘Canlı Malzemeler’ Yaratıyor

Kombucha Çayından İlham Alan Mühendisler, ‘Canlı Malzemeler’ Yaratıyor

11 Ocak 2021
Işık Hızında Makine Öğrenimi: Yeni Çalışma, Yapay Zeka İçin Fotonik Yapıların Kullanımını Gösteriyor

Işık Hızında Makine Öğrenimi: Yeni Çalışma, Yapay Zeka İçin Fotonik Yapıların Kullanımını Gösteriyor

7 Ocak 2021
Multifonksiyonel Lens Sensör Sistemi, Akıllı Kontaklarda Devrim Yaratabilir

Multifonksiyonel Lens Sensör Sistemi, Akıllı Kontaklarda Devrim Yaratabilir

6 Ocak 2021
Chitrakar: İnsan Yüzlerinin Görüntülerini Çizime Dönüştürebilen Bir Sistem

Chitrakar: İnsan Yüzlerinin Görüntülerini Çizime Dönüştürebilen Bir Sistem

5 Ocak 2021
Kuantum ‘Tatlı Nokta’ya Ulaşmak: Araştırmacılar Silikondaki Atom Kubitleri İçin En İyi Konumu Buldular

Kuantum ‘Tatlı Nokta’ya Ulaşmak: Araştırmacılar Silikondaki Atom Kubitleri İçin En İyi Konumu Buldular

2 Aralık 2020
Elektronlar İçin Tek Yönlü Yol

Elektronlar İçin Tek Yönlü Yol

22 Kasım 2020
Kimyasal Olarak Kodlanmış Zekaya Sahip Mikro Robot; Hormonal Kirleticileri Ortadan Kaldırıyor

Kimyasal Olarak Kodlanmış Zekaya Sahip Mikro Robot; Hormonal Kirleticileri Ortadan Kaldırıyor

22 Kasım 2020
Algler, 3 Boyutlu Dokularda Kullanılıyor

Algler, 3 Boyutlu Dokularda Kullanılıyor

18 Kasım 2020
BioNTech ile Pfizer Geliştirdikleri Aşının Nihai Analizini Açıkladı: Güvenli ve Yüzde 95 Etkili

BioNTech ile Pfizer Geliştirdikleri Aşının Nihai Analizini Açıkladı: Güvenli ve Yüzde 95 Etkili

18 Kasım 2020
HAMLET: Yapay Zeka Araştırma ve Geliştirmeyi Basitleştiren Bir Platform

HAMLET: Yapay Zeka Araştırma ve Geliştirmeyi Basitleştiren Bir Platform

17 Kasım 2020
Beyindeki Ana Bellek Kaynağı

Beyindeki Ana Bellek Kaynağı

17 Kasım 2020
NtboxMag
Pazar, Ocak 17, 2021
  • Ana Sayfa
  • Tıp
  • Teknoloji
  • Yazılım
  • Akıllı Sistemler
  • Robotik
  • Bilim
  • Astronomi ve Uzay
  • Fizik/Kimya
No Result
View All Result
NTBOX Magazin
No Result
View All Result

RNN’leri Kullanan Düşük Kaynaklı Makine Çevirisi

by Editör
7 Şubat 2019
in Bilgisayar
0 0
0
RNN’leri Kullanan Düşük Kaynaklı Makine Çevirisi

Montreal, Quebec Üniversitesi ve Vietnam Ulusal Üniversitesi (VNU-HCM) araştırmacılarından oluşan bir ekip, yakın zamanda tekrarlayan sinir ağlarına (RNN’ler) dayalı makine çevirisi için bir yaklaşım geliştirildi. Harf çevirisi, belirli bir kaynak dildeki (örneğin Fransızca) kelimelerin bir hedef dildeki (örneğin Vietnamca) eşdeğer kelimelere fonetik çevirisini gerektirir.

Harf çevirisi yoluyla, tek bir kelime başka bir yazı sisteminde fonetik olarak eşdeğer bir kelimeye dönüştürülür. Bu dönüşüm tipik olarak dilbilimciler tarafından, bu fonemlerin nasıl hizalanacağını belirleyen, bir kelimenin kaynağını ve hedef dilin fonolojik sistemini göz önüne alarak tanımlanan geniş bir kurallar kümesine dayanır.

YOU MAY ALSO LIKE

Araştırmacılar Kuantum Standardizasyonunda Kilometre Taşına Ulaşıyor

Gelecekte Bilgisayarlar Bakteri Kullanılarak mı Üretilecek?

Son yıllarda, araştırmacılar mevcut istatistiksel yaklaşımlara değerli bir alternatif olduğu tespit edilmiş, makine çevirisi için çeşitli derin öğrenme yaklaşımları geliştirmiştir. Umut veren bu sonuçlar, Montreal Quebec Üniversitesi ve VNU-HCM’deki araştırmacı ekibini, makine çevirisi için derin bir öğrenme yaklaşımı geliştirmek amacıyla motive etmiştir.

Yaklaşımları tekrarlayan sinir ağlarını (RNN’ler) kullanır; bunların benzer problemlerle başa çıkmak için özellikle yararlı olduğu bulunmuştur. Araştırmacılar, en son teknolojiye sahip olan grafem-fonem yöntemlerinin, öncelikle, grafem-fonem eşlemelerinin kullanımına dayandığını, RNN’lerin ise herhangi bir hizalama bilgisi gerektirmediğini gözlemlemiştir.

Grafem-fonem modelleri, otomatik konuşma-tanıma ve metin-konuşma sistemlerinde anahtar bileşenlerdir. Elverişli ve iyi gelişmiş telaffuz sözlüğü olmayan düşük kaynak dil çiftlerinde, grafem-fonem modelleri özellikle kullanışlıdır. Bu modeller, grafem kaynağı ve fonem hedefi dizileri arasındaki ilk hizalamalara dayanmaktadır.

Araştırmacılar çalışmalarında, RNN tabanlı modeller ve giriş dizileri için hizalama bilgileri kullanan düşük kaynaklı makine harf çevirisi elde etmek için yeni bir yöntem geliştirdiler. Belirli bir dilde, iki dilli telaffuz sözlüğünde bulunmayan bir kelime verildiğinde; sistemleri, fonemik gösterimini hedef dilde otomatik olarak tahmin edilebilir.

Dizi-dizi tekrarlayan sinir ağına dayalı çeviri yöntemlerinden ilham alan mevcut araştırma, düşük kaynaklı bir dil çifti için harf çevirisi probleminin üstesinden gelmek amacıyla, giriş dizileri ve önceden eğitilmiş kaynak ve hedef yerleştirmeler için bir hizalama gösterimi uygulayan bir yaklaşım sunmaktadır.

Bu yeni yaklaşım, kodlayıcı-kod çözücü, dikkat mekanizmaları, giriş dizileri için hizalama gösterimi ve önceden eğitilmiş kaynak ve hedef yerleştirme gibi çeşitli derin öğrenme ve sinir ağı tabanlı teknikleri birleştirir. Araştırmacılar, yöntemlerini Fransız-Vietnamca düşük kaynaklı dil çiftlerini içeren bir çeviri görevinde değerlendirerek; harf çevirisi modellerini eğitmek için sadece küçük bir iki dilli telaffuz sözlüğü ile umut verici sonuçlar elde edildiğini göstermiştir.

Araştırmacılara göre çalışmaları, Vietnamca dilini RNN’leri kullanan bir harf çevirisi görevinde ilk analiz edenlerden biridir. Metodları, en son teknolojiye dayalı diğer istatistik bazlı ve çok ortak dizilim bazlı yaklaşımlardan daha iyi performans gösteren olağanüstü sonuçlar elde etti.

Araştırmacılar tarafından geliştirilen yeni sistem, iki dilli telaffuz sözlüklerinden dilsel düzenlemeleri etkili ve otomatik olarak öğrenebilir. Çalışmaları özel olarak Fransızca-Vietnamca harf çevirisi için uygulansa da; aynı zamanda, iki dilli bir telaffuz sözlüğünün mevcut olduğu diğer düşük kaynaklı dil çiftlerine de genişletilebilir.

Araştırmacılar, gelecekteki çalışmalarında, önerilen yaklaşımlarını daha geniş bir iki dilli telaffuz sözlüğü ile test etmeyi ve yarı denetimli veya denetlenmemiş diğer yaklaşımları incelemeyi hedefliyor. Ayrıca düşük kaynak ayarlarındaki diğer NLP görevlerini veya dillerini kullanarak transfer öğrenmeyi araştırmayı da amaçlıyor.

Tags: derin öğrenme yaklaşımlarıdikkat mekanizmalarıdilbilimdüşük kaynaklı makine harf çevirisifonetik çevirigiriş dizilerigrafem-fonem eşlemelerigrafem-fonem yöntemlerihedef yerleştirmekodlayıcı-kod çözücümakine çevirisiMontrealNLPQuebec ÜniversitesiRNN tabanlı modellersinir ağı tabanlı tekniklerTekrarlayan sinir ağları (RNN)telaffuz sözlüğüVietnam Ulusal Üniversitesi (VNU-HCM)
ShareTweetShare

Search

No Result
View All Result

Recent News

İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

16 Ocak 2021
Kombucha Çayından İlham Alan Mühendisler, ‘Canlı Malzemeler’ Yaratıyor

Kombucha Çayından İlham Alan Mühendisler, ‘Canlı Malzemeler’ Yaratıyor

11 Ocak 2021
Işık Hızında Makine Öğrenimi: Yeni Çalışma, Yapay Zeka İçin Fotonik Yapıların Kullanımını Gösteriyor

Işık Hızında Makine Öğrenimi: Yeni Çalışma, Yapay Zeka İçin Fotonik Yapıların Kullanımını Gösteriyor

7 Ocak 2021
  • Anasayfa
  • Gizlilik Koşulları
  • Reklam

© 2020 NtboxMag.com

No Result
View All Result
  • Ana Sayfa
  • Tıp
  • Teknoloji
  • Yazılım
  • Akıllı Sistemler
  • Robotik
  • Bilim
  • Astronomi ve Uzay
  • Fizik/Kimya

© 2020 NtboxMag.com

Welcome Back!

Login to your account below

Forgotten Password?

Create New Account!

Fill the forms bellow to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In