Model sekvence-sekvence
Model sekvence-sekvence (Seq2Seq), představený Sutskeverem, Vinyalsem a Lem a Cho a kolektivem v roce 2014, je neuronová síť typu enkodér-dekodér, která mapuje vstupní sekvenci proměnné délky na výstupní sekvenci proměnné délky. Tvoří základ strojového překladu, sumarizace textu, dialogových systémů a generování kódu.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/cs/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.
- Mechanismus pozornostiHluboké učení↔ compare
- Dolaďování modelu BERTHluboké učení↔ compare
- Random ForestStrojové učení↔ compare
- Multi-Head Self-AttentionHluboké učení↔ compare
- XGBoostStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →