Model Sequence-ke-Sequence
Model sequence-ke-sequence (Seq2Seq), yang diperkenalkan oleh Sutskever, Vinyals dan Le serta oleh Cho dan rekan-rekannya pada tahun 2014, adalah jaringan saraf encoder-decoder yang memetakan urutan masukan dengan panjang bervariasi ke urutan keluaran dengan panjang bervariasi. Model ini merupakan fondasi penerjemahan mesin, peringkasan teks, sistem dialog, dan pembuatan kode.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/id/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.
- Mekanisme PerhatianPembelajaran Mendalam↔ compare
- Fine-Tuning BERTPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Multi-Head Self-AttentionPembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →