文字の特徴量
特徴量に変換してそこから分散表現を作れば未知の文字でも大丈夫なんじゃないか。
どんな特徴量が得られるか
アルファベットか
A-Zか
大文字か
記号か
全角か
ひらがなか
カタカナか
漢字か
部首
頻度の高いものがうまく表現できれば良いのか
word2vecでの正解率が高くなれば良い？
Related Pages
- →word2vecによる自然言語処理×距離×三角不等式×ベクトルの類似度×軸を潰す×潰す×無視×次元削減は抽象化×抽象化×特徴量の無視×違いを無視×word2vec×deep_learning×dropout×ニューロン×汎化性能×概念×類似度×単語の意味×意味の類似度×話が飛躍する人=ベクトル検索エンジンか？×連想×次元削減してから類似度検索→
- →拡散モデル×denoising_diffusion_probabilistic_models×ddpm×high-resolution_image_synthesis_with_latent_diffusion_models×latent_diffusion_model×vae×stable_diffusion_latent_space_visualization×denoising_diffusion_implicit_models×ddim×stable_diffusionのpromptは77×768次元のテンソルになる×positional_encoding×clip×clip-vit-l-14×注意機構×u-net×オートエンコーダ×stable_diffusionのシードとプロンプトの関係×stable_diffusion埋め込みテンソル編集×stable_diffusion_inpaintの仕組み×mask_again_after_inpaint×img2prompt×clip_interrogator×blip×画家の発見×高次元においてコサイン類似度0.2は激レア×textual_inversionを試してみる×dreambooth×stablediffusion×バタフライ効果×word2vec→
- →思考の結節点2019-10-14×知識の保存形式×知識の表現形式がアップデートされなければならない×知識の表現形式のアップデート×連想のストック×連想装置×レコメンド×検索×2-hop_link×連想×知識を編むプログラム×リンクサジェスト×過去の自分の書き物と今の思考の結合支援×類似文書検索×word2vec×gyazz×転置インデックスと指差し×文書は場所×指差し×文書が階層的×長さをパラメータにしたdf×接尾辞配列×scrapboxの良さ(その2)×抽象概念×メタファー×知性を高めるシステム×アイデアの干渉効果×類似度ベースではないレコメンド×レコメンドとscrapbox×明示的なブラケティング→
- →自然言語処理×深層学習×rnn×lstm×gru×recursive_neural_networks×tree-rnn×cnn×分散表現×lbl_model×対数双線形モデル×word2vec×skip-gram×cbow×seq2seq×注意機構×memory_network→
"Engineer's way of creating knowledge" the English version of my book is now available on [Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from [Scrapbox] at [Edit]