{"id":3290,"date":"2018-07-19T09:26:05","date_gmt":"2018-07-19T07:26:05","guid":{"rendered":"https:\/\/www.systransoft.com\/?post_type=paper&#038;p=3290"},"modified":"2023-11-16T18:02:39","modified_gmt":"2023-11-16T17:02:39","slug":"neural-network-architectures-for-arabic-dialect-identification","status":"publish","type":"paper","link":"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/neural-network-architectures-for-arabic-dialect-identification\/","title":{"rendered":"Neuronale Netzwerkarchitekturen f\u00fcr die arabische Dialektidentifikation"},"content":{"rendered":"<p>SYSTRAN tritt in diesem Jahr zum ersten Mal an der gemeinsamen DSL-Aufgabe, in der Unteraufgabe Identifikation des arabischen Dialekts. Wir nehmen teil, indem wir mehrere Modelle des Neuronalen Netzwerks trainieren, die zeigen, dass wir trotz der begrenzten Menge an Trainingsdaten, die f\u00fcr das Lernen zur Verf\u00fcgung stehen, wettbewerbsf\u00e4hige Ergebnisse erzielen k\u00f6nnen. Wir berichten \u00fcber unsere Experimente und detaillieren die Netzwerkarchitektur und Parameter unserer 3 L\u00e4ufe: Unser leistungsst\u00e4rkstes System besteht aus einem Multi-Input CNN, das separate Einbettungen f\u00fcr lexikalische, phonetische und akustische Eingabemerkmale lernt (F1: 0,5289); wir haben auch ein CNN-biLSTM-Netzwerk aufgebaut, das darauf abzielt, sowohl r\u00e4umliche als auch sequenzielle Merkmale direkt aus Sprachspektrogrammen zu erfassen (F1: 0,3894 bei der Einreichung, F1: 0,4235 mit sp\u00e4ter gefundenen Parametern); und schlie\u00dflich ein System, das auf bin\u00e4ren CNN-biLSTMs basiert (F1: 0,4339).<\/p>","protected":false},"excerpt":{"rendered":"<p>SYSTRAN tritt in diesem Jahr zum ersten Mal an der gemeinsamen DSL-Aufgabe im arabischen Dialekt Identification Subtask an. Wir nehmen teil, indem wir mehrere neuronale Netzwerkmodelle trainieren, die zeigen, dass wir trotz der begrenzten Menge an Trainingsdaten, die f\u00fcr das Lernen zur Verf\u00fcgung stehen, wettbewerbsf\u00e4hige Ergebnisse erzielen k\u00f6nnen. Wir berichten \u00fcber unsere Experimente und erl\u00e4utern die Netzwerkarchitektur und -parameter... <a href=\"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/neural-network-architectures-for-arabic-dialect-identification\/\">Fortsetzung<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3290","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper\/3290","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper"}],"about":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/types\/paper"}],"wp:attachment":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/media?parent=3290"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}