Višejezični varijacijski autoenkoder
Višejezični varijacijski autoenkoder (ML-VAE) proširuje standardni VAE okvir za obradu više jezika unutar zajedničkog probabilističkog latentnog prostora. Enkoderi specifični za jezik mapiraju tekst iz svakog jezika u zajedničku kontinuiranu reprezentaciju, dok dekoderi specifični za jezik rekonstruiraju ili prevode taj tekst. Ovo omogućuje unakrsno jezično generiranje, prijenos stila i učenje reprezentacija s paralelnim korpusima ili bez njih.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/hr/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.
- Višejezična rekurentna neuralna mrežaDuboko učenje↔ compare
- Višejezični ugrađeni prikazi rečenicaDuboko učenje↔ compare
- Višejezični transformatorDuboko učenje↔ compare
- Prijenosno učenje s varijacijskim autokoderomDuboko učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →