Szekvencia-szekvencia modell
A Sutskever, Vinyals és Le, valamint Cho és kollégái által 2014-ben bevezetett szekvencia-szekvencia (Seq2Seq) modell egy kódoló-dekódoló neurális hálózat, amely egy változó hosszúságú bemeneti szekvenciát egy változó hosszúságú kimeneti szekvenciává képez le. Ez a gépi fordítás, a szövegösszefoglalás, a párbeszédrendszerek és a kódgenerálás alapja.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/hu/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 MechanismMélytanulás↔ compare
- BERT finomhangolásMélytanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Multi-Head Self-AttentionMélytanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →