加扎罗分享的蔡氏电路MATLAB仿真代码

matlab仿真代码Zalo AI挑战中的问答 1.解决问题的方向。 使用常见的算法来解决问题：包括推论，bidaf 对问题回答任务使用经过预训练的bert（特别是bert，多语言无大小写）。 2.指导中的详细结果。 首先，首先将数据分为85％的训练，对应于将近16,000个训练样本的15％测试和2k2的测试样本。 （数据根据标签的分布进行划分）。 使用推理和bidaf算法，我是否使用github，（text）提供的新嵌入报纸，例如手套，快速文本或带有词段的嵌入，此外，我还使用越南语预训练的elmo从github的句子中提取特征（ELMoForManyLangs： ），但公共测试集中的最高准确度仅超过55％，并且该模型趋于过拟合（可能是由于数据量太少，或者因为词嵌入集不够好）。 精度结果我在说F1。 对于使用预训练的bert的第二个方向： 第一次尝试对火车测试数据进行预训练的bert多语言无包装立即进行，火车测试结果很高，并且在测试集上的准确度大约为75-76％，提交时为73-74％（一部分显示了公开集）。测试和训练集得出的结果非常相似）。 然后我发现了2个新的数据集：1个mailon