Sekvens-til-sekvens-model
Sekvens-til-sekvens-modellen (Seq2Seq), introduceret af Sutskever, Vinyals og Le samt af Cho og kolleger i 2014, er et encoder-decoder neuralt netværk, der afbilder en inputsekvens af variabel længde til en outputsekvens af variabel længde. Den udgør grundlaget for maskinoversættelse, tekstresumé, dialogsystemer og kodegenerering.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/da/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.
- OpmærksomhedsmekanismeDyb læring↔ compare
- BERT FinjusteringDyb læring↔ compare
- Random ForestMaskinlæring↔ compare
- Multi-Head Self-AttentionDyb læring↔ compare
- XGBoostMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →