Последователностни и генеративни модели

103 метода в това семейство.

Избрани

Механизъм на вниманиетоThe attention mechanism, introduced by Bahdanau, Cho and Bengio in 2015 and refined by Luong, Pham and Manning the same year, lets a sequence decoder dynamically learn which of the АвтоенкодерAn autoencoder is an encoder-decoder neural network, popularised by Hinton and Salakhutdinov in 2006, that compresses data into a low-dimensional latent code and then reconstructs Двупосочна рекурентна невронна мрежа (Bidirectional RNN)A Bidirectional RNN, introduced by Schuster and Paliwal in 1997, processes a sequence in both forward and backward directions so that every position has access to its full surround CrossformerCrossformer is a Transformer-based architecture for multivariate time series forecasting, introduced by Yunhao Zhang and Junchi Yan at ICLR 2023. Unlike earlier Transformer variant CycleGAN: превод на изображения без двойки чрез циклична съответствиеCycleGAN, introduced by Zhu et al. at ICCV 2017, learns to translate images between two visual domains without requiring paired training examples. It trains two generators and two DeepARDeepAR is Amazon's industrial forecasting model, introduced by Salinas, Flunkert and Gasthaus (2017; published 2020), that uses an autoregressive recurrent neural network to estima

Път за четене

Най-цитираните основополагащи методи по тази тема, подредени според реда на тяхното развитие — място, от което да започнете, ако сте нов тук.

Рекурентна невронна мрежа1986–1990от Rumelhart, D. E.; Elman, J. L.
Дългосрочна краткосрочна памет (LSTM)1997от Hochreiter, S. & Schmidhuber, J.
Вентилна рекурентна единица (GRU)2014от Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
Генеративна състезателна мрежа2014от Goodfellow, I. et al.
Вариационен автоенкодер2014от Kingma, D. P. & Welling, M.
Фино настройване на Трансформър2017–2019от Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
Мултимодален Трансформер2019–2021от Lu et al. (ViLBERT); Radford et al. (CLIP)
Vision Transformer2021от Dosovitskiy, A. et al.

всички методи на този рафт ↓

Всички методи 103

Механизъм на вниманието Автоенкодер Двупосочна рекурентна невронна мрежа (Bidirectional RNN)Crossformer CycleGAN: превод на изображения без двойки чрез циклична съответствие DeepAR Дифузионен модел Домейн-адаптивен дифузионен модел Домейн-адаптивен GAN Адаптивен към домейна GRU Рекурентна невронна мрежа с адаптация към домейн Домейн-адаптивни изразови вграждания Трансформер с адаптация към домейн Домейн-адаптивен вариационен автоенкодер Адаптивен към домейна визуален трансформер Обясним дифузионен модел Обясним ГАН Обясним GRU Обясним LSTM Обясним рекурентен невронна мрежа Обясним Трансформър Обясним вариационен автоенкодер FEDformer: Подобрен с честотна област Трансформър Фино настроен дифузионен модел Фино настроена генеративна състезателна мрежа Фино настроен GRU Фино настроен LSTM Фино настроена рекурентна невронна мрежа Фино настроено обобщаване на текст Фино настройване на Трансформър Фино настроен вариационен автоенкодер Фино настроен Vision Transformer Вентилна рекурентна единица (GRU)Генеративна състезателна мрежа Графова невронна мрежа с внимание (GAT)Затворен рекурентен модул (GRU)Informer iTransformer Латентни дифузионни модели Дългосрочна краткосрочна памет (LSTM)Longformer / BigBird LSTM Маскирани автоенкодери Мораи: Универсален Трансформър за Прогнозиране на Времеви Редове Многоезиков дифузионен модел Многоезикова GAN Многоезиков GRU Многоезична LSTM Многоезична рекурентна невронна мрежа Многоезиково обобщаване на текст Многоезиков вариационен автоенкодер Многоезичен Вижън Трансформер Мултимодален дифузионен модел Мултимодална ГАН Мултимодален GRU Мултимодален LSTM Мултимодална рекурентна невронна мрежа Мултимодален Трансформер Мултимодален вариационен автоенкодер Мултимодален Вижън Трансформър Нестационарен Трансформер PatchTST Pyraformer Рекурентна невронна мрежа Reformer: Ефективният Transformer за дълги последователности Генеративен модел, базиран на градиента (score-based generative model)SegRNN Многоглаво самовнимание Самообучаващ се дифузионен модел GAN с надзор чрез самообучение Самообучаващ се GRU Самоконтролиран Трансформър (Self-supervised Transformer)Самообучаващ се вариационен автоенкодер Трансформер за зрение със самообучение Полу-наблюдаван дифузионен модел Полу-наблюдавано GAN Полу-наблюдаван GRU Полу-наблюдавана LSTM Трансформер с полунаблюдавано обучение Полу-наблюдаван вариационен автоенкодер Полу-наблюдаван Трансформър за Визия Моделът последователност-към-последователност Swin Transformer T5 (Text-to-Text Transfer Transformer)Temporal Fusion Transformer Time-MoE: Фундаментален модел от типа „смес от експерти“ за времеви редове TiRex: Прогнозиране на времеви редове с нулев изстрел с xLSTM Генеративни състезателни мрежи с трансферно обучение (Transfer Learning GAN)Трансферно обучение с вариационен автоенкодер Трансферно обучение с дифузионен модел Трансферно обучение с LSTM Трансферно обучение с рекурентна невронна мрежа Вариационен автоенкодер Vision Transformer Wasserstein GAN (WGAN)Слабо контролиран дифузионен модел Слабо контролиран GAN Слабо контролиран GRU Слабо контролиран LSTM Слабо насочвани рекурентни невронни мрежи Слабо контролиран Трансформър Слабо контролиран вариационен автоенкодер Слабо контролиран Vision Transformer

Още в Дълбоко обучение

Архитектури и обучение 124