Model "sekvenca-u-sekvencu"
Model "sekvenca-u-sekvencu" (Seq2Seq), koji su 2014. godine predstavili Sutskever, Vinyals i Le te Cho i suradnici, neuronska je mreža tipa enkoder-dekoder koja preslikava ulaznu sekvencu promjenjive duljine u izlaznu sekvencu promjenjive duljine. On je temelj strojnog prevođenja, sažimanja teksta, dijaloških sustava i generiranja koda.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/hr/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.
- Attention MechanismDuboko učenje↔ compare
- Prilagođavanje BERT-a (BERT Fine-Tuning)Duboko učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Višeglava samopažnjaDuboko učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →