-
Notifications
You must be signed in to change notification settings - Fork 88
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Deta分词算法原理公布 : #21
Comments
目前 通过这种算法 处理中文象形文字 平均 每秒达到 2300万字. 认证代码 已经 全部 免费开源. |
罗瑶光小高峰 过滤 思想 起源: 2012年作者在美国对 FFT 研究发现算子 和快速排序 算子 思想一致, 于是 开始花时间分析. 2014年作者开始阅读算法导论, 快排1-4代,发现重复的算子出现 在不同的函数层次.于是 创造出高频小高峰过滤快排六,发表在 qq空间. 2016年作者在美国亚米电商公司首次将 小高峰过滤快排6 用在10万商品id排序上.效果显著. 有了理论和实践基础, 作者2019年 设计了 小高峰过滤快排6的1 ,2,3 三个版本 .得到一个结论 : 例子 :略. 作者2019年4月3日 定义 逐步迭代微分处理可以迅速减少相同算子 为 计算催化过程. |
为了认证 计算催化过程 的正确性和有效性, |
分词结果 : |
为了论证 计算催化过程 在任何智能领域都具有强大实用价值, 作者为了分词项目的论证 花费8个月, 15000 余行 sonar 格式 源代码认证. 打造了Deta Parser 这个作品, 定位在 人工智能的启蒙 级别. |
This comment has been minimized.
This comment has been minimized.
关于4 最后进行函数频率分级进行 PCA阀门顺序排列.的解释: |
Deta分词算法原理公布 :
1 基于快速排序6 的 罗瑶光小高峰 过滤 思想 进行 小高峰 叠加 字符串 拆分 逐步 迭代微分处理词性划分.
2 基于词数长度 为 5个的卷积核进行 CNN(纠正下不是cnn,是排队论) 线性 词性卷积 划分处理.
3 划分条件 进行离散迪摩根定理化简.
4 最后进行函数频率分级进行 PCA阀门顺序排列.
这个算法 思想,作者于2019年04月03日 定义 为 <类人 认知 催化 分词算法>.
类人 认知 催化 分词算法 矩阵 图地址:
https://github.com/yaoguangluo/AOPM_VPCS_Theroy/blob/master/AI-catalic.jpg
相关论文文件夹地址
https://github.com/yaoguangluo/AOPM_VPCS_Theroy
The text was updated successfully, but these errors were encountered: