Многоезиков вариационен автоенкодер
Многоезиковият вариационен автоенкодер (ML-VAE) разширява стандартната VAE рамка, за да обработва множество езици в споделено вероятностно латентно пространство. Езиково-специфични енкодери картографират текст от всеки език в общо непрекъснато представяне, докато езиково-специфични декодери реконструират или превеждат този текст. Това позволява многоезиково генериране, трансфер на стил и обучение на представяния с или без паралелни корпуси.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Zhao, T., Zhang, Y., & Eskenazi, M. (2018). Zero-shot dialog generation with cross-domain latent actions. In Proceedings of the 19th Annual SIGdial Meeting on Discourse and Dialogue (pp. 1-10). ACL. link ↗
- Lample, G., Conneau, A., Denoyer, L., & Ranzato, M. (2018). Unsupervised machine translation using monolingual corpora only. In International Conference on Learning Representations (ICLR 2018). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/bg/deep-learning/multilingual-variational-autoencoder
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Многоезична рекурентна невронна мрежаДълбоко обучение↔ compare
- Многоезикови векторни представяния на изреченияДълбоко обучение↔ compare
- Многоезичен трансформерДълбоко обучение↔ compare
- Трансферно обучение с вариационен автоенкодерДълбоко обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →