TY -的A2 -艾哈迈德,赛义德·哈桑盟——吴Liqin AU -潘,迈森PY - 2021 DA - 2021/08/18 TI -英语语法检测基于LSTM-CRF机器学习模型SP - 8545686六世- 2021 AB -深度学习和神经网络已经被广泛应用领域的语音,词汇,文本、图片、和其他信息处理领域,取得了优秀的研究成果。神经网络算法和预测模型被用于本文的研究和探索英语语法。针对英语语法准确性和标准化的应用程序需求,我们提出了一个基于LSTM-CRF机器学习模型来检测和分析英语语法。本文简要总结了深度学习和神经网络算法的发展趋势和设计径向基函数神经网络的结构模式在语法语义检测和分析的基础上深入学习人工神经网络理论。基于形态学特征的英语语法,语法数据库建立了根据英语单词分割的规则。在本文中,我们提出了一种改进的条件随机场CRF(条件随机场)网络模型基于LSTM(长短期记忆)神经网络。它可以改善问题,传统的机器学习模型依赖于特征点选择在英语语法检测。机器学习模型基于LSTM-CRF被用来识别英语语法文本实体。结果表明,英语语法检测系统基于LSTM-CRF模型可以简化流程结构的识别过程,减少不必要的操作周期,提高整体的检测精度。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/8545686 - 10.1155 / 2021/8545686摩根富林明计算智力和神经科学PB - Hindawi KW - ER