您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. LeakGAN文献

  2. 生成式对抗性网络 GANs 出现以来,它和它的变体已经无数次在图像生成任务中证明了自己的有效性,也不断地吸引着越来越多的研究人员加入到提高GANs训练的可控性和稳定性的研究中。 最初,由于其中的一个缺陷,GANs在文本生成方面无法得到有效的应用。得益于该团队之前发表的SeqGAN,GANs在文本生成上有了可能,不过表现并没有图像生成任务中那么突出。主要问题之一就是,生成器 G 从鉴别器 D 获得的反馈中含有的信息量太少,不足以有效地引导 G 更新、提升文本生成质量,尤其是当文本长度较长的时候。
  3. 所属分类:深度学习

    • 发布日期:2018-05-22
    • 文件大小:1mb
    • 提供者:linyuefeng123
  1. 对抗性文本生成(来自于ACL 2020)

  2. 自回归文本生成模型通常侧重于局部的流畅性,在长文本生成过程中可能导致语义不一致。此外,自动生成具有相似语义的单词是具有挑战性的,而且手工编写的语言规则很难应用。
  3. 所属分类:机器学习

    • 发布日期:2020-05-06
    • 文件大小:3mb
    • 提供者:syp_net
  1. ganbert:使用半监督生成对抗网络增强BERT训练-源码

  2. 甘伯特 论文代码GAN-BERT:具有健壮标签分类示例的生成式对抗性学习和一堆带标签的示例已在2020年ACL上发表-Danilo Croce (罗马大学Tor Vergata),朱塞佩·卡斯特鲁奇( Giuseppe Castellucci) (亚马逊)和Roberto Basili的短文(罗马大学的Tor Vergata)。该文件可以在找到。 GAN-BERT是BERT的扩展,它使用“生成对抗”设置来实现有效的半监督学习模式。它允许使用由有限数量的标记示例和未标记材料的较大子集组成的数据集
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:642kb
    • 提供者:weixin_42138788
  1. AI-Surveys:整理AI相关领域的一些概述-源码

  2. 人工智能调查 本repo主要整理AI相关领域的一些概述,起因是看到了这个非常棒的项目。 目前添加了『自然语言处理』模块的部分觉得不错的概述。 欢迎有兴趣的小伙伴们一起整理。 自然语言处理(NLP) 文本分类(文本分类) 情感分析 命名实体识别(命名实体识别) 关系抽取(关系提取) 文本匹配(文本匹配) 阅读理解(阅读理解) 机器翻译(机器翻译) 文本生成(文本生成) 摘要抽取(Abstractive Summarization) 对话系统 知识图谱(知识图) 深度学习(深度学习) 迁移学习(转移
  3. 所属分类:其它

  1. A-defense-method-for-textual-adversarials:一种采用BERT的掩蔽语言建模功能的防御方法,可抵抗文本中的对抗性示例-源码

  2. 基于MLM的对抗文本对抗性示例的防御方法 代码目录包括我们的防御方法实现以及三个管道。 Text_attack管道是主要的管道,我们在其中生成对抗性示例并测试针对被攻击数据的方法。 scRNN文件是用于计算各种数据集上的半字符RNN基线准确性的管道。 数据增强和对抗训练基准在AT中实现。 数据集目录包含生成的对抗示例以及我们方法的输出。
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:12mb
    • 提供者:weixin_42165583
  1. 文字到图片:生成对抗性文字到图片的合成请加星标->-源码

  2. 文本到图像合成 这是合成图像的张量流实现。 使用GAN-CLS算法从论文。 此实现基于出色的。 普莱斯明星 图像来源:论文 要求 1.0+ 1.4+ :用于令牌生成器 数据集 该模型目前在上进行训练。 从下载图像并将其保存在102flowers/102flowers/*.jpg 。 也可以从此下载字幕。 解压缩档案,复制text_c10文件夹并将其粘贴到102flowers/text_c10/class_* 。 注意:您可以手动下载所有需要的数据文件,也可以直接运行downloa
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:601kb
    • 提供者:weixin_42117037
  1. OpenAttack:用于文本对抗攻击的开源软件包-源码

  2. OpenAttack •••• OpenAttack是基于Python的开源文本对抗攻击工具包,它处理文本对抗攻击的整个过程,包括预处理文本,访问受害者模型,生成对抗示例和评估。 特点与用途 OpenAttack具有以下功能: 高可用性。 OpenAttack提供了易于使用的API,可以支持文本对抗攻击的整个过程; 全面涵盖攻击模型类型。 OpenAttack支持句子/单词/字符级别的扰动和基于梯度/分数/决定的/盲目攻击模型; 极大的灵活性和可扩展性。 您可以轻松地攻击自定义的受害者
  3. 所属分类:其它