机器翻译：基础与模型学习笔记——机器翻译前沿 神经机器翻译模型训练 神经机器翻译在当代遇到问题常有以下三部分： 对大容量模型的有效训练，也就是数据集的构建和过拟合之间的矛盾； 如何更好地训练模型，也就是特征选择和评价指标的判断标准；t

机器翻译：基础与模型学习笔记——神经机器翻译 人工神经网络和神经语言建模 深度学习与人工神经网络 提到神经网络，绕不开的两个关键词便是深度学习和分布式表示。分布式早期的思想是“一个复杂系统任何部分的输入都应该是多个特征共同表示的结果”

机器翻译：基础与模型学习笔记——统计机器翻译 [TOC] 基于词的机器翻译建模 传统翻译过程： 分析：将源语言句子表示为适合机器翻译的结构，分词； 转换：每个单词转换成目标语言单词； 生成：将目标语言译文转换成合乎语法的句子； 单

CoLaDa: A Collaborative Label Denoising Framework for Cross-lingual Named Entity Recognition 本文代码：vert-papers/papers/Co

机器翻译：基础与模型学习笔记——机器翻译基础 [TOC] 现代翻译系统的基础：从数据中自动学习翻译知识，并运用这些知识对新的文本进行翻译。 机器翻译的发展历程 早期：基于书写的规则，存在覆盖范围小、噪声非常敏感的特点； 发展：基于数

2023年计算机保研经验分享|次九rk8% 注：本次记录只代表个人观点，仅供参考。 前言 首先不得不感慨一下今年计算机保研的艰难程度，今年相比往年更加注重综合能力的考核，已然不是绩点为王的时代了。非常难受的是，我的绩点、科研和竞赛都比较

MMSegmentation语义分割全流程 环境安装 在这一部分，我首先安装配置了MMSegmentation，利用colab平台进行搭建，基本的信息如下： 这里使用的GPU为colab给出的基础款，即Tesla T4。 在之后的过程

CVPR2020 Counterfactual Samples Synthesizing for Robust VQA Note [TOC] 相关背景 Question Only Model（RUBi） https://blog.cs

每日一题整理——2023.5 2023.5.1 通知所有员工所需的时间 数据范围： 我的思路; 首先分析需要使用的数据结构，想到了使用树或者并查集作为基本的数据结构。但是后来发现并查集的话计算较为复杂，因此利用线性表构建了简单的树（

每日一题整理——2023.4 2023.4.1 Binary Search 二分查找，我老想当二分查找的狗了，但是二分查找说她喜欢的是sort 数据范围： 我的思路： 直接上代码，注意搜索空间的控制就好： class Solutio

系统分析与设计复习 系统分析首节 需求的本质? kano模型的用户需求分解？ 用户基本需求处于哪一个阶段？ 产品功能需求和用户需求 基本型、期望型、魅力型、无差异性、逆向型； 系统分析阶段； 本节思维导图

每日一题整理——2023.3 2023.1.3 矩阵中的局部最大值 数据范围： 我的思路：暴力模拟，做的依托答辩 class Solution { public: vector<vector<int>>