参考文献管理 - YBBE拔俗人工智能科研辅助系统

参考文献库

管理和组织您的参考文献

标签筛选

清除

深度学习小样本学习自然语言处理计算机视觉强化学习注意力机制元学习

排序方式

最近添加的参考文献

Attention Is All You Need 2017

Vaswani et al.

BERT: Pre-training of Deep... 2018

Devlin et al.

GPT-3: Language Models... 2020

Brown et al.

引用格式

引用样式

语言

包含URL/DOI

参考文献列表 24篇

Attention Is All You Need

Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin

NeurIPS, 2017

深度学习注意力机制 DOI

BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova

NAACL, 2018

深度学习自然语言处理 DOI

GPT-3: Language Models are Few-Shot Learners

Tom B. Brown, Benjamin Mann, Nick Ryder, Melanie Subbiah, Jared Kaplan, Prafulla Dhariwal, Arvind Neelakantan, Pranav Shyam, Girish Sastry, Amanda Askell, et al.

NeurIPS, 2020

深度学习自然语言处理小样本学习 DOI

Prototypical Networks for Few-shot Learning

Jake Snell, Kevin Swersky, Richard Zemel

NeurIPS, 2017

深度学习小样本学习 DOI

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

Chelsea Finn, Pieter Abbeel, Sergey Levine

ICML, 2017

深度学习元学习小样本学习 DOI

文献详情

Attention Is All You Need

Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin

NeurIPS, 2017

引用次数 56,982

发表日期 2017-06-12

添加日期 2023-09-05

摘要

主流的序列转导模型基于复杂的循环或卷积神经网络，包含一个编码器和一个解码器。表现最好的模型还通过注意力机制连接编码器和解码器。我们提出了一种新的简单网络架构——Transformer，它完全基于注意力机制，彻底抛弃了循环和卷积结构。在两个机器翻译任务上的实验表明，这些模型在质量上更优，同时更易于并行化，训练时间显著减少。

查看全文

引用格式

IEEE 格式

A. Vaswani et al., "Attention is all you need," in Advances in Neural Information Processing Systems, 2017, pp. 5998-6008.

被引用论文

3 在您的文献库中

BERT: Pre-training of Deep... GPT-3: Language Models... Vision Transformer...