Model Seqüència-a-Seqüència
El model seqüència-a-seqüència (Seq2Seq), introduït per Sutskever, Vinyals i Le, i per Cho i col·laboradors el 2014, és una xarxa neuronal codificador-descodificador que fa correspondre una seqüència d'entrada de longitud variable a una seqüència de sortida de longitud variable. És la base de la traducció automàtica, el resum de textos, els sistemes de diàleg i la generació de codi.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Sutskever, I., Vinyals, O. & Le, Q. V. (2014). Sequence to Sequence Learning with Neural Networks. NeurIPS. link ↗
- Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H. & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. EMNLP, 1724–1734. DOI: 10.3115/v1/D14-1179 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/ca/deep-learning/seq2seq
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.
- Mecanisme d'atencióAprenentatge profund↔ compare
- Ajustament BERTAprenentatge profund↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Autoatenció multi-capAprenentatge profund↔ compare
- XGBoostAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →