Modelo Secuencia-a-Secuencia
El modelo secuencia-a-secuencia (Seq2Seq), introducido por Sutskever, Vinyals y Le y por Cho y colegas en 2014, es una red neuronal codificador-descodificador que mapea una secuencia de entrada de longitud variable a una secuencia de salida de longitud variable. Es la base de la traducción automática, el resumen de textos, los sistemas de diálogo y la generación de código.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/es/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.
- Mecanismo de atenciónAprendizaje profundo↔ compare
- Ajuste fino de BERTAprendizaje profundo↔ compare
- Random ForestAprendizaje automático↔ compare
- Autoatención Multi-cabezaAprendizaje profundo↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →