Premièrement, nous développons une architecture neuronale efficace consistant en un réseau récurent bidirectionnel encodeur-décodeur avec mécanisme d'attention.
First, we develop an efficient neural architecture consisting of a bidirectional recurrent network encoder-decoder with attention mechanism.
Nous montrons que ce nouveau module présente des avantages par rapport à un module standard de concaténation lorsqu'il est utilisé dans une architecture de réseau de neurones convolutionnel encodeur-décodeur à goulot.
We demonstrate this new module has clear advantages compared to standard concatenation when used in a bottleneck encoder-decoder convolutional neural network architecture.
Notre approche modifie l'architecture habituelle des modèles encodeur-décodeur avec attention, en remplaçant la couche softmax du décodeur par notre couche pointer-softmax.
Our approach augments the encoder-decoder architecture with attention model by replacing the final softmax layer with our proposed pointer-softmax layer that creates pointers to the source sentences as the decoder translates.
Dans les deux étapes, nous avons utilisé un réseau de neurones convolutif (CNN) dont l'architecture est de type encodeur-décodeur.
In both steps, we used a convolutional neural network (CNN) whose architecture is of encoder-decoder type.
Deuxièmement, pour la modélisation cross-lingue, nous incorporons une architecture dérivée de TF-RNN dans un modèle encodeur-décodeur avec un mécanisme de pseudo contre-traduction inspiré de travaux sur la traduction automatique neurale nonsupervisée.
Second, for cross-lingual modeling, we propose to incorporate an architecture derived from TF-RNN in an encoder-decoder model with a pseudo back translation mechanism inspired by unsupervised neural machine translation.
Nous avons d'abord présenté l'architecture encodeur-décodeur (à présent connue sous le nom de séquence à séquence) durant l'EMNLP 2014 et puis effectué un grand saut dans nos scores BLEU grâce à l'attention souple basée sur le contenu (ICLR 2015).
First introduced the encoder-decoder (now called sequence-to-sequence) architecture (EMNLP 2014) and then achieved a big jump in BLEU scores with content-based soft attention (ICLR 2015).
Seqence2Sequence Encodeur-décodeur à usage général pour du texte, souvent utilisé dans la traduction automatique, la synthèse de textes, etc.
Seqence2Sequence A general-purpose encoder-decoder for text that is often used for machine translation, text summarization, etc.
Troisièmement, nous proposons le modèle d'encodeur-décodeur récurrent avec variables latentes ("Latent Variable Recurrent Encoder-Decoder"), qui suivent une distribution normale.
Third, we propose the Latent Variable Recurrent Encoder-Decoder model, which is a variant of the Hierarchical Recurrent Encoder-Decoder model with latent, stochastic normally-distributed variables.
Dans le chapitre 4, nous présentons un modèle d'encodeur-décodeur focalisé sur la synthèse vocale.
In Chapter 4, we present Char2Wav, an end-to-end model for speech synthesis.
La solution idéale pour transporter en haute qualité numérique votre flux MPX-RDS-DARC à destination de vos émetteurs FM, sans délai perceptible (encodeur-décodeur 100uSec seulement !)
Best solution to transmit your MPX-RDS-DARC stream in high digital quality towards your FM emitters, with no noticeable delay (only 100 usec encode-decode!)
Offrez-vous la meilleure performance de signalisation avec un choix de fonctions encodeur-décodeur 2 tons ou la signalisation 5 tons pour bénéficier des communications les plus avancées et répondre aux besoins opérationnels individuels et des groupes.
Get the ultimate signalling performance with a choice of multiple 2-tone encode and decode or 5-tone signal to support the most advanced communication needs from individual to fleet operations.
Nous proposons une nouvelle architecture encodeur-décodeur qui fusionne les informations de l'image et la profondeur pour la tâche de complétion de carte de profondeur, améliorant ainsi la résolution du nuage de points projeté dans l'espace image.
We propose a novel encoder-decoder architecture to fuse dense RGB and sparse depth for the task of depth completion that enhances point cloud resolution to image level.
NMT a également ravivé l'intérêt pour la traduction basée sur l'interlangue grâce à la manière dont elle place la tâche dans un cadre encodeur-décodeur en passant par des représentations latentes.
Neural machine translation (NMT) also revived the interest in interlingual machine translation due to how it naturally fits the task into an encoder-decoder framework which produces a translation by decoding a latent source representation.
