Day1NLP_机器翻译

第一天到实验室，两篇英文论文，周四要开组会说两篇论文。还要学Python.

第一篇是关于神经机器翻译，看了一下午只看了2页，悲催。但大致看懂了该论文是讲神经机器翻译可以解决传统翻译的问题-随着输入语句长度的增加翻译出现难度的问题。其次讲解了神经机器翻译主要：

1. 不会将整个输入的语句编码成一个单独固定常量
2. 而是它把输入语句编码成一系列向量，并在解码翻译时自适应地选择这些向量的子集。
3. 条件概率问题，翻译模型学会条件概率分布，就会通过给定的源语句进行搜索最大概率的翻译来进行对应的翻译。
4. 其运用了RNN算法。--循环神经网络算法        -------------我觉得我还没有搞懂RNN，以下是我一晚上看的结果。     整个晚上都在看循环神经网络算法，就去追寻了一下神经网络，我大致理解了一维的神经网络，看到一个网站上面讲解的例子，神经网络包含输入层（即你输入一些物体的特征参数），隐藏层（感知层），输出层。其最主要的是隐藏层。隐藏层处理完毕后通过激励函数得出曲线，连接到输出层。------明天继续神经网络