📚 N-grams技术资料

📦 资源总数：2677
💻 源代码：320920
N-Grams技术是自然语言处理与信息检索领域的重要工具，通过连续的文本片段分析来理解语义和上下文关系。在电子工程中，它被广泛应用于语音识别、机器翻译及智能问答系统等高级应用开发。掌握N-Grams对于提升算法效率、优化用户体验具有不可替代的作用。本页面汇集了2677份精选资源，涵盖从基础理论到实战案例的全方位资料，助力工程师深入学习并高效利用这一强大技术。

🔥 N-grams热门资料

查看全部2677个资源 »

SOM的学习规则有三个主要阶段： 1）寻找与输入模式xk最接近的连接权向量Wj*=（wj*1, wj*2,….., wj*N） 2）将该连接权向量Wj*进一步朝向与输入模式xk接近的方向调整 3）除调整连接权向量Wj*外，还调整邻域内的各个连接权向量，并随着学习次数的增加，逐渐缩小邻域范围...

📅 👤 lili123
wj Wj SOM 输入

广义表是线性表的推广。广义表是n个元素的有限序列，元素可以是原子或一个广义表，记为LS。 若元素是广义表称它为LS的子表。若广义表非空，则第一个元素称表头，其余元素称表尾。 表的深度是指表展开后所含括号的层数。 把与树对应的广义表称为纯表，它限制了表中成分的共享和递归； 允许结点共享的表称为...

📅 👤 2467478207
广义 元素 线性 序列

💻 N-grams源代码

查看更多 »
💻
ngrams.hpp
💻
ngram-count.1
💻
anti-ngram.1
💻
ngram-count.html
💻
anti-ngram.html
💻
ngram-count.1
📂 N-grams资料分类
🔥 热门资料 查看最受欢迎的资源 💻 源代码 程序代码与工程文件 📚 全部资料 2677 个资源