Překlady sekvencí a jejich aplikace
Sequence translations and their applications
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Katka Morovicsová
Vedoucí práce
Mařík Radek
Oponent práce
Pošík Petr
Studijní obor
Matematická informatikaStudijní program
Matematické inženýrstvíInstituce přidělující hodnost
katedra matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Překlad sekvencí je klíčovou úlohou v mnoha oblastech, zejména v oblasti zpracování přirozeného jazyka. Tato bakalářská práce se zabývá překladem sekvencí se zaměřením na překlad staroegyptských hieroglyfů. Jádrem studie je aplikace různých architektur neuronových sítí, konkrétně rekurentních neuronových sítí a transformerových modelů, na překlad sekvencí. Hlavní důraz je kladen na dvě dílčí úlohy: rozdělení hieroglyfického textu na jednotlivá slova a na transliteraci tohoto textu. Práce obsahuje podrobné popisy modelů, jejich hyperparametrů a dosažených výsledků na základě různých metrik. Výsledky ukazují, že transformerové modely zvládají řešit problém překladu hieroglyfů efektivně, zatímco RNN s ním mají problémy. Použití transformerů na tento problém nabízí poznatky pro další výzkum a vývoj v oblasti automatizovaného překladu jazyků s malým množstvím zdrojů. Sequence translation is a crucial task across many fields, particularly in Natural Language Processing. This bachelor's thesis explores sequence translation with a focus on translating ancient Egyptian hieroglyphs. The core of the study involves applying neural network architectures, specifically Recurrent Neural Networks and Transformer models, to sequence translation tasks. The primary focus is on two sub-tasks: word separation within hieroglyphic text and the automated transliteration of this text. The thesis includes detailed descriptions of the models, their hyperparameters, and their performance based on various metrics. The results indicate that while traditional RNNs faced challenges, Transformer models effectively addressed the problems of hieroglyph translation, offering insights for further research and development in automated translation of low-resource languages.
Kolekce
- Bakalářské práce - 14101 [308]