Szekvenciális és generatív modellek

103 módszer ebben a családban.

Kiemelt

Attention MechanismThe attention mechanism, introduced by Bahdanau, Cho and Bengio in 2015 and refined by Luong, Pham and Manning the same year, lets a sequence decoder dynamically learn which of the AutoencoderAn autoencoder is an encoder-decoder neural network, popularised by Hinton and Salakhutdinov in 2006, that compresses data into a low-dimensional latent code and then reconstructs A Bidirectional RNNA Bidirectional RNN, introduced by Schuster and Paliwal in 1997, processes a sequence in both forward and backward directions so that every position has access to its full surround CrossformerCrossformer is a Transformer-based architecture for multivariate time series forecasting, introduced by Yunhao Zhang and Junchi Yan at ICLR 2023. Unlike earlier Transformer variant CycleGAN: Párosítatlan Kép-Kép Fordítás CikluskonzisztenciávalCycleGAN, introduced by Zhu et al. at ICCV 2017, learns to translate images between two visual domains without requiring paired training examples. It trains two generators and two DeepARDeepAR is Amazon's industrial forecasting model, introduced by Salinas, Flunkert and Gasthaus (2017; published 2020), that uses an autoregressive recurrent neural network to estima

Olvasási útvonal

E témakör leggyakrabban hivatkozott alapmódszerei kidolgozásuk sorrendjében — kiindulópont, ha most ismerkedik a területtel.

Rekurrens neurális hálózat1986–1990Rumelhart, D. E.; Elman, J. L. nyomán
Long Short-Term Memory (LSTM)1997Hochreiter, S. & Schmidhuber, J. nyomán
Gated Recurrent Unit (GRU)2014Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. nyomán
Generative Adversarial Network2014Goodfellow, I. et al. nyomán
Variációs Autoencoder2014Kingma, D. P. & Welling, M. nyomán
Finomhangolt Transformer2017–2019Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al. nyomán
Multimodális transzformer2019–2021Lu et al. (ViLBERT); Radford et al. (CLIP) nyomán
Vision Transformer2021Dosovitskiy, A. et al. nyomán

az ezen a polcon található összes módszer ↓

Minden módszer 103

Attention Mechanism Autoencoder A Bidirectional RNN Crossformer CycleGAN: Párosítatlan Kép-Kép Fordítás Cikluskonzisztenciával DeepAR Modell (mélytanulás)Tartományadaptív diffúziós modell Domain-Adaptív GAN Domain-Adaptive GRU Domain-adaptív rekurrens neurális hálózat Tartomány-adaptív mondatbeágyazások Tartományadaptív transzformer Domain-Adaptive Variational Autoencoder Domain-Adaptive Vision Transformer Magyarázható diffúziós modell Magyarázható GAN (Explainable GAN)Magyarázható GRU Magyarázható LSTM Magyarázható Rekurrens Neurális Hálózat Magyarázható Transformer Magyarázható Variációs Autokódoló FEDformer: Frekvenciaerősített, dekomponált Transformer Finomhangolt diffúziós modell Finomhangolt generatív adverszáriális hálózat Finomhangolt GRU Finomhangolt LSTM Finomhangolt rekurrens neurális hálózat Finomhangolt szöveges összefoglalás Finomhangolt Transformer Finomhangolt Variációs Autoenkóder Finomhangolt Vision Transformer Gated Recurrent Unit (GRU)Generative Adversarial Network Gráfon alapuló figyelmi hálózat Kapuzott rekurrens egység (GRU)Informer iTransformer: Invertált transzformer többváltozós idősor-előrejelzéshez Latens diffúziós modellek Long Short-Term Memory (LSTM)Longformer / BigBird LSTM Maszkolt Autoenkóderek Moirai: Univerzális idősor-előrejelző Transformer Multilingvális diffúziós modell Multilingvális GAN Többnyelvű GRU Multilingvális LSTM Multilingvis Rekurrens Neurális Hálózat Többnyelvű szövegösszefoglalás Multilingvis Variajci-Aŭtoenkodilo Multilingual Vision Transformer Multimodális diffúziós modell Multimodális GAN Multimodal GRU Multimodal LSTM Multimodális Rekurrens Neurális Hálózat Multimodális transzformer Multimodális Variációs Autokódoló Multimodális Vizuális Transzformer Nem-stacionárius Transformer PatchTST Pyraformer Rekurrens neurális hálózat Reformer: Az effektív Transformer hosszú szekvenciákhoz Generatív modell pontszámalapú megközelítéssel SegRNN: Szegmens Rekurrens Neurális Hálózat Hosszú Távú Idősor-Előrejelzéshez Multi-Head Self-Attention Önfelügyelt diffúziós modell Önfelügyelt GAN Önfelügyelt GRU Önfelügyelt Transformer Önfelügyelt Variációs Autokódoló Önfelügyelt Vision Transformer Félfelügyelt diffúziós modell Félfelügyelt GAN Félfelügyelt GRU Félfelügyelt LSTM Félfelügyelt Transformer Félfelügyelt Variációs Autokódoló Félfelügyelt Vision Transformer Szekvencia-szekvencia modell Swin Transformer T5 (Text-to-Text Transfer Transformer)Temporal Fusion Transformer Time-MoE: Idősorok Alapmodell Kevert Szakértőkkel TiRex: Zéró-lövéses idősor-előrejelzés xLSTM-mel Transfer Learning GAN Transzfer Tanulás Variációs Autokódolóval Transzfer tanulás diffúziós modellel Transzfer Tanulás LSTM-mel Transzfer Tanulás Rekurrens Neurális Hálózattal Variációs Autoencoder Vision Transformer Wasserstein GAN (WGAN)Gyengén felügyelt diffúziós modell Gyengén felügyelt GAN Gyengén felügyelt GRU Gyengén felügyelt LSTM Gyengén felügyelt rekurrens neurális hálózat Gyengén Felügyelt Transzformer Gyengén felügyelt Variációs Autoencoder Gyengén felügyelt Vision Transformer

Továbbiak itt: Mélytanulás

Architektúrák és tanítás 124