Neural network approaches have been applied to computational morphology with great success, improving the performance of most tasks by a large margin and providing new perspectives for modeling. This paper starts with a brief introduction to computational morphology, followed by a review of recent work on computational morphology with neural network approaches, to provide an overview of the area. In the end, we will analyze the advantages and problems of neural network approaches to computational morphology, and point out some directions to be explored by future research and study.
翻译：在计算形态方面,采用了神经网络方法,取得了巨大成功,使大多数任务的绩效大有改进,并为建模提供了新的视角,本文件首先简要介绍了计算形态,然后审查了最近关于使用神经网络方法计算形态的工作,以概述该地区的情况。最后,我们将分析计算形态的神经网络方法的优点和问题,并指出未来研究将探讨的一些方向。
相关内容
神经网络（Neural Networks）是世界上三个最古老的神经建模学会的档案期刊:国际神经网络学会(INNS)、欧洲神经网络学会(ENNS)和日本神经网络学会(JNNS)。神经网络提供了一个论坛，以发展和培育一个国际社会的学者和实践者感兴趣的所有方面的神经网络和相关方法的计算智能。神经网络欢迎高质量论文的提交，有助于全面的神经网络研究，从行为和大脑建模，学习算法，通过数学和计算分析，系统的工程和技术应用，大量使用神经网络的概念和技术。这一独特而广泛的范围促进了生物和技术研究之间的思想交流，并有助于促进对生物启发的计算智能感兴趣的跨学科社区的发展。因此，神经网络编委会代表的专家领域包括心理学，神经生物学，计算机科学，工程，数学，物理。该杂志发表文章、信件和评论以及给编辑的信件、社论、时事、软件调查和专利信息。文章发表在五个部分之一:认知科学，神经科学，学习系统，数学和计算分析、工程和应用。
官网地址：http://dblp.uni-trier.de/db/journals/nn/
Arxiv
0+阅读 · 2021年7月8日
Arxiv
6+阅读 · 2018年8月16日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2021年7月8日
Arxiv
6+阅读 · 2018年8月16日
微信扫码咨询专知VIP会员