Multilingual Variational Autoencoder
En Multilingual Variational Autoencoder (ML-VAE) udvider det standard VAE-rammeværk til at håndtere flere sprog inden for et delt probabilistisk latent rum. Sprogspecifikke kodere mapper tekst fra hvert sprog til en fælles kontinuerlig repræsentation, mens sprogspecifikke dekodere rekonstruerer eller oversætter denne tekst. Dette muliggør kryds-sprog generering, stiloverførsel og repræsentationslæring med eller uden parallelle korpora.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/da/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.
- Multilingual Recurrent Neural NetworkDyb læring↔ compare
- Flersprogede sætningsindlejringerDyb læring↔ compare
- Multilingual TransformerDyb læring↔ compare
- Overførselslæring med Variational AutoencoderDyb læring↔ compare
- Variational AutoencoderDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →