Методы искусственного интеллекта для машинного перевода текстов. Роганов В.Р - 61 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

61
После этого полученными значениями инициализируются значения аксо-
нов второго слоя:
y
j
(2)
= y
j
(1)
, j = 0...m-1 (45)
2. Вычислить новые состояния нейронов второго слоя:
sp yp ypkjj m
jjk
k
m
() ()
( ) () (), , ...
22
0
1
101+= − ≠ = −
=
−
∑
ε
(46)
и значения их аксонов:
[]
yp fsp j m
jj
() ()
() (), ...
22
1101+= +=− (47)
Активационная функция f имеет вид порога (рис. 13б), причем величина F
должна быть достаточно большой, чтобы любые возможные значения аргумен-
та не приводили к насыщению.
3. Проверить, изменились ли выходы нейронов второго слоя за последнюю
итерацию. Если да – перейди к шагу 2. Иначе — конец.
Из оценки алгоритма видно, что роль первого слоя весьма условна
: вос-
пользовавшись один раз на шаге 1 значениями его весовых коэффициентов,
сеть больше не обращается к нему, поэтому первый слой может быть вообще
исключен из сети (заменен на матрицу весовых коэффициентов).
3 Заключение по использованию методов теории искусственного
интеллекта для решения задач перевода текстов
В рассмотренных нами теоретических исследованиях возможности
вы-
полнения машинного перевода (подразумевается письменный перевод текста,
написанного на одном языке в текст, написанный на другом языке) ясно выри-
совывается однозначность выполнения перевода. Это свойство вытекает из оп-
ределения алгоритмов, положенных в основу и различных грамматик, и конеч-
ных автоматов, и самообучающихся нейронных сетей. При использовании ПАК
МП будем всегда
получать однозначность трактовки исходного текста в пере-
водной текст. Причем под однозначностью мы понимаем и возможность обрат-
ного перевода с одного языка на другой с восстановлением первоначального 
    После этого полученными значениями инициализируются значения аксо-
нов второго слоя:
         yj(2) = yj(1), j = 0...m-1                                                 (45)
    2. Вычислить новые состояния нейронов второго слоя:
                                         m−1
          s (j 2 ) ( p + 1) = y j ( p) − ε ∑ y k( 2 ) ( p), k ≠ j, j = 0... m − 1   (46)
                                         k =0


и значения их аксонов:
                              [                 ]
          y (j 2 ) ( p + 1) = f s (j 2 ) ( p + 1) , j = 0... m − 1                  (47)

    Активационная функция f имеет вид порога (рис. 13б), причем величина F
должна быть достаточно большой, чтобы любые возможные значения аргумен-
та не приводили к насыщению.
    3. Проверить, изменились ли выходы нейронов второго слоя за последнюю
итерацию. Если да – перейди к шагу 2. Иначе — конец.
    Из оценки алгоритма видно, что роль первого слоя весьма условна: вос-
пользовавшись один раз на шаге 1 значениями его весовых коэффициентов,
сеть больше не обращается к нему, поэтому первый слой может быть вообще
исключен из сети (заменен на матрицу весовых коэффициентов).




     3 Заключение по использованию методов теории искусственного
            интеллекта для решения задач перевода текстов

     В рассмотренных нами теоретических исследованиях возможности вы-
полнения машинного перевода (подразумевается письменный перевод текста,
написанного на одном языке в текст, написанный на другом языке) ясно выри-
совывается однозначность выполнения перевода. Это свойство вытекает из оп-
ределения алгоритмов, положенных в основу и различных грамматик, и конеч-
ных автоматов, и самообучающихся нейронных сетей. При использовании ПАК
МП будем всегда получать однозначность трактовки исходного текста в пере-
водной текст. Причем под однозначностью мы понимаем и возможность обрат-
ного перевода с одного языка на другой с восстановлением первоначального
                                                                                     61

Страницы