PDP model for serial order

Geschlossene Gewichtungen University of California San Diego January 1986

Keine Schätzung

Keine Hardwareanforderungen für dieses Modell

Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation
University of California San Diego
Organisationsart
Academia
Land
United States of America
Veröffentlicht
5 January 1986
Autoren
Jordan, M.I.

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain
Speech
Aufgabe
Speech synthesis

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Trainingsdaten
64 tokens

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Aufzeichnungsgenauigkeit
Unknown
Zitationen
1,502

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz
Serial order: A parallel distributed processing approach
Zuletzt aktualisiert
28 November 2025

Was die Zahlen bedeuten

Über dieses Modell

PDP model for serial order wurde veröffentlicht von University of California San Diego, im Land aufgezeichnet als United States of America, während January 1986. Die veröffentlichende Organisation ist als academia.

Es funktioniert im Bereich von Speech, und wird als die Aufgabe von aufgezeichnet speech synthesis.

Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.

Training und Herkunft

Der Trainingssatz lief auf etwa 64 Text-Tokens

Antworten

PDP model for serial order — Häufige Fragen

01

PDP model for serial order— Wofür wird es verwendet?

Es funktioniert im Bereich von Speech, und wird als Bewältigung der Aufgabe von speech synthesis. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.

02

PDP model for serial order— Welche GPU benötige ich, um es auszuführen?

Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.

03

PDP model for serial order— Ist es Open-Source?

Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.

04

PDP model for serial order— Wie viele Parameter hat es?

Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.

05

PDP model for serial order— Wer hat es erstellt?

Es wurde veröffentlicht von University of California San Diego, basiert auf United States of America, eine als kategorisierte Organisation academia.

06

PDP model for serial order— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in January 1986. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.