SRN-Encoded Grammatical Structures

Gesloten gewichten University of California San Diego September 1991

Geen schatting

Geen hardware-eisen voor dit model

De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie
University of California San Diego
Organisatietype
Academia
Land
United States of America
Gepubliceerd
1 September 1991
Auteurs
J. L. Elman

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein
Language
Taak
Language Structure Modeling

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

Training gegevens
177,800 tokens

4 training sets of 10k sentences each. Total number of words calculated by multiplying 10k and the avg. number of words per sentence in the training set.

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Citaties
1,717

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie
Distributed representations, simple recurrent networks, and grammatical structure
Laatst bijgewerkt
28 November 2025

Wat de cijfers betekenen

Waar het vandaan kwam

SRN-Encoded Grammatical Structures werd gepubliceerd door University of California San Diego, in het land geregistreerd als United States of America, tijdens September 1991. De categorie waaronder de uitgever valt is academia.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language Structure Modeling.

De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.

Hoe het getraind werd

Het is getraind op een corpus van ongeveer 177,800 tekstokens

Antwoorden

SRN-Encoded Grammatical Structures — veelgestelde vragen

01

SRN-Encoded Grammatical Structures— Welke GPU heb ik nodig om het te draaien?

Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.

02

SRN-Encoded Grammatical Structures— is het open-source?

De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.

03

SRN-Encoded Grammatical Structures— hoeveel parameters heeft het?

Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.

04

SRN-Encoded Grammatical Structures— wie heeft het gemaakt?

Het werd gepubliceerd door University of California San Diego, gebaseerd op United States of America, een organisatie geclassificeerd als academia.

05

SRN-Encoded Grammatical Structures— wanneer is het uitgebracht?

Het werd gepubliceerd in September 1991. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

06

SRN-Encoded Grammatical Structures— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language Structure Modeling. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.