Variational Autoencoder Multibahasa
Variational Autoencoder Multibahasa (ML-VAE) memperluas kerangka kerja VAE standar untuk menangani banyak bahasa dalam ruang laten probabilistik bersama. Encoder spesifik bahasa memetakan teks dari setiap bahasa ke dalam representasi kontinu yang sama, sementara decoder spesifik bahasa merekonstruksi atau menerjemahkan teks tersebut. Hal ini memungkinkan generasi lintas-bahasa, transfer gaya, dan pembelajaran representasi dengan atau tanpa korpus paralel.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/id/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.
- Jaringan Saraf Berulang MultibahasaPembelajaran Mendalam↔ compare
- Embedding Kalimat MultibahasaPembelajaran Mendalam↔ compare
- Transformer MultibahasaPembelajaran Mendalam↔ compare
- Pembelajaran Transfer dengan Autoencoder VariasionalPembelajaran Mendalam↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →