مدل انتشاری چندزبانه
یک مدل انتشاری چندزبانه، چارچوب احتمالی رقیقسازی نویز را برای کار در زبانهای مختلف تطبیق میدهد و تولید متن بینزبانی، ترجمه و سنتز محتوای مستقل از زبان را امکانپذیر میسازد. با شرطیسازی بر نمایشهای چندزبانه، فرآیند انتشار، یک فضای نهفته مشترک را یاد میگیرد که مرزهای زبانی را در بر میگیرد و خروجیهای با کیفیت بالا را برای زبانهای کممنبع و پرمنبع تولید میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Gong, S., Li, M., Feng, J., Wu, Z., & Kong, L. (2023). DiffuSeq: Sequence to Sequence Text Generation with Diffusion Models. International Conference on Learning Representations (ICLR). link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multilingual Diffusion Model for Text and Cross-Lingual Generation. ScholarGate. https://scholargate.app/fa/deep-learning/multilingual-diffusion-model
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.
- مدل انتشاری تنظیمشده دقیقیادگیری عمیق↔ compare
- شبکه عصبی بازگشتی چندزبانهیادگیری عمیق↔ compare
- طبقهبندی مبتنی بر RoBERTa چندزبانهیادگیری عمیق↔ compare
- تعبیههای چندزبانه جملهیادگیری عمیق↔ compare
- ترنسفورمر چندزبانهیادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →