Die Effizienz des Trainings ist eines der Hauptprobleme der neuronalen maschinellen \u00dcbersetzung (NMT). Tiefe Netzwerke ben\u00f6tigen sehr gro\u00dfe Daten sowie viele Trainingsiterationen, um eine Leistung auf dem neuesten Stand der Technik zu erzielen. Dies f\u00fchrt zu sehr hohen Rechenkosten, was die Forschung und Industrialisierung verlangsamt. In diesem Beitrag schlagen wir vor, dieses Problem mit mehreren Trainingsmethoden zu lindern, die auf Datenverst\u00e4rkung und Bootstrap ohne \u00c4nderungen am neuronalen Netzwerk basieren. Es imitiert den Lernprozess des Menschen, der typischerweise mehr Zeit damit verbringt, \u201eschwierige\u201c Konzepte zu lernen, als einfachere. Wir experimentieren mit einer Englisch-Franz\u00f6sisch-\u00dcbersetzungsaufgabe und zeigen Genauigkeitsverbesserungen von bis zu 1,63 BLEU bei gleichzeitiger Einsparung von 20% Trainingszeit.<\/p>","protected":false},"excerpt":{"rendered":"
Die Trainingseffizienz ist eines der Hauptprobleme bei der neuronalen Maschinellen \u00dcbersetzung (NMT). Tiefe Netzwerke ben\u00f6tigen sehr gro\u00dfe Daten sowie viele Trainingseinheiten, um eine Leistung auf dem neuesten Stand der Technik zu erreichen. Dies f\u00fchrt zu sehr hohen Rechenkosten, die Forschung und Industrialisierung bremsen. In diesem Papier schlagen wir vor, dieses Problem mit mehreren Trainingsmethoden zu lindern ... Fortsetzung<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3300","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper\/3300","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=3300"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}