期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于增大隐表示差异的鲁棒性机器翻译方法 被引量:1
1
作者 薛征山 史庭训 +1 位作者 熊德意 汪浩 《中文信息学报》 CSCD 北大核心 2024年第12期74-82,共9页
对比学习是当前机器翻译鲁棒性研究的主流方法。该方法通常在输入Token层或者Embedding层加入噪声,以扩大样本库并丰富样本风格。然而,噪声样本在经过Encoder处理后,会减弱其与干净样本在隐表示上的差异性,从而限制了对比学习方法的性... 对比学习是当前机器翻译鲁棒性研究的主流方法。该方法通常在输入Token层或者Embedding层加入噪声,以扩大样本库并丰富样本风格。然而,噪声样本在经过Encoder处理后,会减弱其与干净样本在隐表示上的差异性,从而限制了对比学习方法的性能。该文通过在Encoder隐表示上直接添加高斯噪声,保持了噪声样本和干净样本在隐表示上的差异性。在Decoder端,通过联合训练噪声样本损失和KL散度损失,最小化KL散度损失使噪声样本的目标概率分布接近干净样本的目标概率分布。在IWSLT2014 De-En任务上,相对于强对比系统R-Drop和SimCut,在干净测试集上提升了0.9 BLEU,在噪声测试集上,分别提升0.82 BLEU和0.63 BLEU,显著提升了模型的翻译效果,并增强了模型对噪声输入的鲁棒性。该技术应用到语音翻译(Speech-to-Text)任务上,在MuST-C测试集和CoVoST 2多说话人测试集上,相对于强对比系统ConST,分别提升1.3 BLEU和3.0 BLEU。相比多任务学习基线系统(MTL),分别提升1.8 BLEU和1.5 BLEU,同样显著提升了翻译效果。 展开更多
关键词 神经机器翻译 鲁棒性机器翻译 对比学习 语音翻译
在线阅读 下载PDF
任务为中心的6G网络AI架构 被引量:9
2
作者 吴建军 邓娟 +15 位作者 彭程晖 王君 杨立 刘光毅 王飞 何宇锋 孙万飞 艾明 李文璟 戴翠琴 袁雁南 石聪 许阳 杨旸 张宏纲 李荣鹏 《无线电通信技术》 2022年第4期599-613,共15页
5G通信系统采用了NWDAF的叠加方式支持人工智能(Artificial Intelligence,AI),其效率和性能较差,6G通信系统迫切需要从架构层面考虑对AI的高效支持。基于此需求,提出了一种以任务为中心的6G网络AI架构,使能6G网络原生支持AI。介绍了6G网... 5G通信系统采用了NWDAF的叠加方式支持人工智能(Artificial Intelligence,AI),其效率和性能较差,6G通信系统迫切需要从架构层面考虑对AI的高效支持。基于此需求,提出了一种以任务为中心的6G网络AI架构,使能6G网络原生支持AI。介绍了6G网络AI的驱动力、场景需求等背景,其中AI驱动力包括三个类别的智能:网元智能、网络智能和业务智能。重点阐述从会话为中心到任务为中心的架构变化,以及任务为中心的架构面临的技术问题。其中,架构变化包括从会话管控到任务管控,从通信QoS到任务QoS,从通信数据到任务数据等。基于以上所述6G架构变化和对应技术问题,提出了一种以任务为中心的无线网络架构。首先,通过统一架构来提供AI4NET、NET4AI、AIaaS的服务;其次,针对无线网络分布式系统的固有特征,提出了任务管控的三层逻辑架构,从而满足实时和灵活的任务部署需求;并进一步提出了在无线接入网域和核心网域独立部署任务锚点TA和任务调度器TS,从而实现不同域内任务的独立部署和各域自治;然后,通过控制信令的方式实现任务控制功能,给出了具体的接口、协议框架和流程设计,并给出针对任务执行期间的任务QoS保障、AI用例自生成和任务应用实例等;最后给出了下一步的研究方向建议。 展开更多
关键词 网络AI 任务为中心 AI服务质量 任务管控 四要素协同 AI用例
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部