-
Notifications
You must be signed in to change notification settings - Fork 88
New issue
Have a question about this project? # for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “#”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? # 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: