本研究提出了一种自动化方法，利用深度学习算法识别和解释楔形文字。训练了五种模型，发现其中两种模型在精度和准确率上表现优异，显著提升了对楔形符号的理解和翻译准确性。

这篇论文介绍了Pythia模型，利用深度神经网络修复古代文本中的缺失字符，取得了30.1%的字符错误率。研究涵盖多种古代语言，提出了无监督生成对抗网络方法生成古代文字图像，并开发了处理楔形文字的数字工具。通过合成数据训练神经网络，提高了对古代碑文的解读准确性。

本研究利用机器学习技术对阿契美尼德王朝时期的楔形文字进行自动识别和分类，开发了数字工具和数据集，提升了翻译和分类的效率，为历史学家提供了新的研究工具。

基于深度学习和变分自编码器方法，针对库内容丰富的超过 94,000 张楔形文字片的数据集，通过研究其轮廓形状作为关键指标，成功实现了古代文献的自动分类和时代定位，为历史学家和铭刻学家提供了更深入的洞察和解释工具。

东巴文