Machine learningDeep learning / NLP / CV

Multilingvis Variajci-Aŭtoenkodilo

A Multilingvis Variajci-Aŭtoenkodilo (ML-VAE) kuntas la norman VAE-kadron por trakti multajn lingvojn ene de komuna probabla latenta spaco. Lingv-specifaj enkodiloj mapigas tekston el ĉiu lingvo en komunan kontinuan reprezentadon, dum lingv-specifaj dekodiloj rekonstruas aŭ tradukas tiun tekston. Tio ebligas translingvan generadon, stiltranslokigon kaj reprezentadlernadon kun aŭ sen paralelaj kordoj.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. 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
  2. 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

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/hu/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.

Compare side by side
ScholarGateMultilingual variational autoencoder (Multilingual Variational Autoencoder (ML-VAE)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/multilingual-variational-autoencoder · Adatkészlet: https://doi.org/10.5281/zenodo.20539026