该数据集是一个针对日文漫画的 机器翻译 评估数据集，包含五部不同风格（幻想、爱情、战斗、悬疑、生活）的漫画，数据集中共包含 1593 个句子，848 个场景画面和 214 页漫画，由东京大学 Mantra 团队发布。 数据格式：带注释的 JSON 文件和原始图像

维汉智能翻译，可以在维语学习、维文工作和新疆旅游等各种场景中应用到。 ——主要功能： 1、智能翻译：支持维语、塔吉克语、汉语、英语、俄语等多语言互译，新疆维吾尔语语言库，维文聊天很方便，翻译精准。 2、图片识别：维语汉语文字识别，扫描识别图片上的维文字和汉文，工作上使用非常实用。 3、人工翻译：维吾尔语专业译者，提供一对一高质量维汉翻译服务，翻译过程严谨，内容保密。 4、收藏功能：翻译后可以收藏维文句子、维语单词，边查边学，有助于学习维语，随时查看；建立词条收藏，高效分类高效学习。 5、每日一言：维汉双语语库，精美图文。 6、维语学习：设立维语基础学习板块、常用词汇、会话等内容。 7、互助社区：在社区里可以讨论维语学习、翻译等问题。 8、在线听书：收录热门文章、经典名著、个人成长、儿童图书和小说合辑等图书。 ——电脑版本： 2021年初上线维吾尔语翻译电脑网页版——准橙云智能翻译，可以批量识别维文图片和文档下载。 ——联系我们： 对我们有任何建议或问题，欢迎使用APP内的“联系我们”，我们会以最快速度给你反馈和解决问题，联系反馈邮箱：2697671860@qq.com。

语料来源为WMT18，本资源包含中英文的平行语料50000句，以及简单预处理后的文件。中文预处理：去除标点、数字，分词；英文预处理：去除标点、数字，大小写转换。可以用来做简单的神经机器翻译练习使用。

算法-机器翻译质量评测算法-BLEU.rar

PyTorch实现基于Transformer的神经机器翻译

matlab代码左移神经机器翻译（seq2seq）教程 作者：Thang Luong，Eugene Brevdo，赵瑞（，） 此版本的教程要求。 要使用稳定的TensorFlow版本，请考虑其他分支，例如。 如果您使用此代码库进行研究，请引用。 介绍 序列到序列（seq2seq）模型（，）在各种任务（例如机器翻译，语音识别和文本摘要）中都取得了巨大的成功。 本教程为读者提供了对seq2seq模型的全面理解，并展示了如何从头开始构建具有竞争力的seq2seq模型。 我们专注于神经机器翻译（NMT）的任务，这是带有wild的seq2seq模型的第一个测试平台。 所包含的代码轻巧，高质量，可立即投入生产，并结合了最新的研究思路。 我们通过以下方式实现这一目标： 使用最新的解码器/注意包装器，TensorFlow 1.2数据迭代器 结合我们在构建递归模型和seq2seq模型方面的专业知识 提供有关构建最佳NMT模型和复制的提示和技巧。 我们认为，提供人们可以轻松复制的基准非常重要。 结果，我们提供了完整的实验结果，并在以下公开可用的数据集上对我们的模型进行了预训练： 小型：由ET提供的TED演

nmt.matlab, 神经机器翻译系统的训练状态代码 基于神经网络的神经网络的有效方法本文介绍了基于神经网络的神经机器翻译系统中训练神经机器翻译系统的代码，并给出了基于神经网络的。插件功能：多层双语编码解码器模型：gpu支持。注意机制：全局模型和局部模型。beam搜索解码器：可以解

4．3常规正交噪声MIMO雷达信号 基于噪声的MIMO雷达要求设计足够数量的具有良好自相关特性的一组噪声 信号，且它们之间的互相关电平要尽可能小。白噪声的相关维无穷，则理论上可 以产生无数的正交波形，这就使得噪声成为MIMO雷达波形的候选。 采用MatlabRl4中的高斯分布的随机数发生器(利用Marsaglia算法1158J)产 生一个2陋长的噪声序列(采样率为2GHz)，如图4．1(a)所示。图4．1(b)给出了 相应的自相关函数。

基于深度学习的机器翻译研究进展基于深度学习的机器翻译研究进展基于深度学习的机器翻译研究进展

pytorch实现seq2seq和transformer字符级中英机器翻译，里面有一个小型中英的平行语料数据集和训练好的seq2seq的模型，transformer的模型需要自己训练