BriefGPT - AI 论文速递
·
Xputer：利用 NMF，XGBoost 和简化的 GUI 体验填补数据差距
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种名为Imputer的神经序列模型，通过插值迭代生成输出序列。Imputer是一种迭代生成模型，通过动态规划训练算法，可以近似边际化输入和输出序列之间的对齐和生成顺序。在端到端语音识别中，Imputer优于非自回归模型，并与自回归模型取得竞争性结果。在LibriSpeech test-other上，Imputer的成绩为11.1 WER，优于CTC的13.0 WER和seq2seq的12.5 WER。
🎯
关键要点
- Imputer是一种神经序列模型，通过插值迭代生成输出序列。
- Imputer是迭代生成模型，生成步骤数量恒定，与输入或输出标记数量无关。
- Imputer可以近似边际化输入和输出序列之间的对齐和生成顺序。
- 提出了一种动态规划训练算法，产生对数边际似然的下界。
- 在端到端语音识别中，Imputer优于非自回归模型，并与自回归模型竞争。
- 在LibriSpeech test-other上，Imputer的成绩为11.1 WER，优于CTC的13.0 WER和seq2seq的12.5 WER。
➡️
