Μοντέλο Ακολουθίας προς Ακολουθία
Το μοντέλο ακολουθίας προς ακολουθία (Seq2Seq), που εισήχθη από τους Sutskever, Vinyals και Le και από τους Cho και συνεργάτες το 2014, είναι ένα νευρωνικό δίκτυο κωδικοποιητή-αποκωδικοποιητή που αντιστοιχίζει μια είσοδο μεταβλητού μήκους σε μια έξοδο μεταβλητού μήκους. Αποτελεί τη βάση της μηχανικής μετάφρασης, της περίληψης κειμένου, των συστημάτων διαλόγου και της παραγωγής κώδικα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/el/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.
- Μηχανισμός ΠροσοχήςΒαθιά Μάθηση↔ compare
- Επαναρρύθμιση (Fine-Tuning) του BERTΒαθιά Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- Αυτο-προσοχή πολλαπλών κεφαλώνΒαθιά Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →