Vícejazyčný variační autoenkodér
Vícejazyčný variační autoenkodér (ML-VAE) rozšiřuje standardní rámec VAE o zpracování více jazyků v rámci sdíleného pravděpodobnostního latentního prostoru. Enkodéry specifické pro daný jazyk mapují text z každého jazyka do společné spojité reprezentace, zatímco dekodéry specifické pro daný jazyk tento text rekonstruují nebo překládají. To umožňuje mezijazykové generování, přenos stylu a učení reprezentací s paralelními korpusy nebo bez nich.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/cs/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.
- Vícejazyčná rekurentní neuronová síťHluboké učení↔ compare
- Vícejazyčná vektorová reprezentace větHluboké učení↔ compare
- Vícejazyčný transformerHluboké učení↔ compare
- Přenosové učení s variačním autoenkodéremHluboké učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →