Zobrazeno 1 - 10
of 102
pro vyhledávání: '"Trần Vân Khánh"'
We present our systems participated in the VLSP 2022 machine translation shared task. In the shared task this year, we participated in both translation tasks, i.e., Chinese-Vietnamese and Vietnamese-Chinese translations. We build our systems based on
Externí odkaz:
http://arxiv.org/abs/2308.07601
Autor:
Tan, Xiaomian, Tan, Pui Yee, Som, Somphos Vicheth, Nguyen, Son Duy, Tran, Do Thanh, Tran, Nga Thuy, Tran, Van Khanh, Moore, J. Bernadette, Gong, Yun Yun
Publikováno v:
In The Lancet Regional Health - Western Pacific September 2024 50
Autor:
Thai, Hanh-Dung, Trinh, Minh Thi, Do, Loc Thi Binh Xuan, Le, Thu-Hang, Nguyen, Duc-Thanh, Tran, Que Thi, Tran, Van-Khanh Tong, Mai, Linh Thi Dam, Pham, Duc-Ngoc, Le, Diep Hong, Vu, Tao Xuan, Tran, Van-Tuan
Publikováno v:
In Journal of Microbiological Methods September 2024 224
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Vu, Van Nga, Nguyen Thi Binh, Minh, Dinh Thi My, Dung, Nguyen Thi Lan, Anh, Nguyen Cong, Huu, Bui Thi, Van Anh, Nguyen Xuan, Hiep, Hoang Thi Thu, Ha, Tran, Van Khanh, Vu Thi, Thom, Le Ngoc, Thanh
Publikováno v:
In Endocrine and Metabolic Science 1 December 2023 13
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Tran, Van-Khanh, Nguyen, Le-Minh
Recent deep learning models have shown improving results to natural language generation (NLG) irrespective of providing sufficient annotated data. However, a modest training data may harm such models performance. Thus, how to build a generator that c
Externí odkaz:
http://arxiv.org/abs/1811.04164