Learning past tenses
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Stanford University
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 3 January 1986
- Autores
- Rumelhart, D. E., & McClelland, J. L
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Verb conjugation
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 211.6K
- Datos de entrenamiento
- tokens
Source: https://files.eric.ed.gov/fulltext/ED267419.pdf p.9: network architecture is given, with two layers of hidden units. The hidden units are called “Wickelfeature representation”. The “modifiable connections” are only between the hidden units. p.19: “All in all then, we used only 460 of the 1,210 possible Wickelfeatures. Using this representation, a verb is represented by a pattern of activation over a set of 460 Wickelfeature units."
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Citas
- 318
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Learning the past tenses of English verbs: Implicit rules or parallel distributed processing?
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
Learning past tenses fue publicado por Stanford University, en el país registrado como United States of America, durante January 1986. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de verb conjugation.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Respuestas
Learning past tenses — preguntas comunes
Learning past tenses— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 211.6K. Source: https://files.eric.ed.gov/fulltext/ED267419.pdf p.9: network architecture is given, with two layers of hidden units. The hidden units are called “Wickelfeature representation”. The “modifiable connections” are only between the hidden units. p.19: “All in all then, we used only 460 of the 1,210 possible Wickelfeatures. Using this representation, a verb is represented by a pattern of activation over a set of 460 Wickelfeature units.". Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
Learning past tenses— ¿Quién lo creó?
Fue publicado por Stanford University, basado en United States of America, una organización categorizada como academia.
Learning past tenses— ¿cuándo fue lanzado?
Se publicó en January 1986. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Learning past tenses— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de verb conjugation. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Learning past tenses— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Learning past tenses— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.