論文の概要: Advanced Deep Learning Approaches for Automated Recognition of Cuneiform Symbols

• arxiv url: http://arxiv.org/abs/2505.04678v1
• Date: Wed, 07 May 2025 12:05:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.629046
• Title: Advanced Deep Learning Approaches for Automated Recognition of Cuneiform Symbols
• Title（参考訳）: 波形記号の自動認識のための高度な深層学習手法
• Authors: Shahad Elshehaby, Alavikunhu Panthakkan, Hussain Al-Ahmad, Mina Al-Saad,
• Abstract要約: 5つの異なるディープラーニングモデルが、キュニフォーム文字の包括的データセットに基づいて訓練された。 2つのモデルが優れた性能を示し、その後、ハンムラビ法取得のキュニフォームシンボルを用いて評価された。 各モデルは、記号の関連するアッカディアンの意味を効果的に認識し、正確な英訳を提供した。
• 参考スコア（独自算出の注目度）: 0.3749861135832073
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a thoroughly automated method for identifying and interpreting cuneiform characters via advanced deep-learning algorithms. Five distinct deep-learning models were trained on a comprehensive dataset of cuneiform characters and evaluated according to critical performance metrics, including accuracy and precision. Two models demonstrated outstanding performance and were subsequently assessed using cuneiform symbols from the Hammurabi law acquisition, notably Hammurabi Law 1. Each model effectively recognized the relevant Akkadian meanings of the symbols and delivered precise English translations. Future work will investigate ensemble and stacking approaches to optimize performance, utilizing hybrid architectures to improve detection accuracy and reliability. This research explores the linguistic relationships between Akkadian, an ancient Mesopotamian language, and Arabic, emphasizing their historical and cultural linkages. This study demonstrates the capability of deep learning to decipher ancient scripts by merging computational linguistics with archaeology, therefore providing significant insights for the comprehension and conservation of human history.
• Abstract（参考訳）: 本稿では,先進的な深層学習アルゴリズムを用いて,cuneiformキャラクタの同定と解釈を徹底的に自動化する手法を提案する。 5つの異なるディープラーニングモデルが、クチュニフォーム文字の包括的なデータセットに基づいてトレーニングされ、精度と精度を含む重要なパフォーマンス指標に基づいて評価された。 2つのモデルが卓越した性能を示し、その後、ハンムラビ法第1号(特にハンムラビ法第1号)のキュニフォームシンボルを用いて評価された。 各モデルは、記号の関連するアッカディアンの意味を効果的に認識し、正確な英訳を提供した。 今後の研究は、性能最適化のためのアンサンブルとスタックのアプローチを調査し、ハイブリッドアーキテクチャを活用して検出精度と信頼性を向上させる。 この研究は、古代メソポタミア語とアラビア語の間の言語関係を探求し、その歴史的・文化的結びつきを強調した。 本研究は, 計算機言語学と考古学を融合させることで, 古代の文字を深層学習で解読できることを示し, 人類史の理解と保存に重要な洞察を与えるものである。

関連論文リスト

• Self-Supervised Representation Learning with Spatial-Temporal Consistency for Sign Language Recognition [96.62264528407863]
  本研究では,空間的時間的整合性を通じてリッチな文脈を探索する自己教師付きコントラスト学習フレームワークを提案する。 動きと関節のモーダル性の相補性に着想を得て,手話モデルに一階動作情報を導入する。 提案手法は,4つの公開ベンチマークの広範な実験により評価され,新しい最先端性能と顕著なマージンを実現している。
  論文  参考訳（メタデータ） (2024-06-15T04:50:19Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)
• Learning Syntactic Dense Embedding with Correlation Graph for Automatic Readability Assessment [17.882688516249058]
  本稿では,言語的特徴に基づく構文的密埋め込みを学習することにより,言語的特徴をニューラルネットワークモデルに組み込むことを提案する。 提案手法はBERTのみのモデルを補完し,自動可読性評価のための性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-07-09T07:26:17Z)
• Feature Learning for Accelerometer based Gait Recognition [0.0]
  オートエンコーダは、特徴学習能力に関して、差別的なエンドツーエンドモデルに非常に近い。 完全な畳み込みモデルは 訓練戦略に関係なく 優れた特徴表現を学べます
  論文  参考訳（メタデータ） (2020-07-31T10:58:01Z)
• Linguistic Features for Readability Assessment [0.0]
  言語的に動機づけられた特徴を持つディープラーニングモデルを強化することで、パフォーマンスがさらに向上するかどうかは不明だ。 十分なトレーニングデータから、言語的に動機づけられた特徴を持つディープラーニングモデルを増強しても、最先端のパフォーマンスは向上しないことがわかった。 本研究は,現在最先端のディープラーニングモデルが可読性に関連するテキストの言語的特徴を表現しているという仮説の予備的証拠を提供する。
  論文  参考訳（メタデータ） (2020-05-30T22:14:46Z)
• Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
  本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。 エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。 既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
  論文  参考訳（メタデータ） (2020-04-29T14:22:42Z)
• Temporal Embeddings and Transformer Models for Narrative Text Understanding [72.88083067388155]
  キャラクタ関係モデリングのための物語テキスト理解のための2つのアプローチを提案する。 これらの関係の時間的進化は動的単語埋め込みによって説明され、時間とともに意味的変化を学ぶように設計されている。 最新の変換器モデルBERTに基づく教師付き学習手法を用いて文字間の静的な関係を検出する。
  論文  参考訳（メタデータ） (2020-03-19T14:23:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。