Catatan bukti metode
Sequence-to-Sequence Model
The sequence-to-sequence (Seq2Seq) model, introduced by Sutskever, Vinyals and Le and by Cho and colleagues in 2014, is an encoder-decoder neural network that maps a variable-length input sequence to a variable-length output sequence. It is the foundation of machine translation, text summarization, dialogue systems and code generation.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model
Catatan metode taksonomi · ml-model / deep-learning
- Sutskever, I., Vinyals, O. & Le, Q. V. (2014). Sequence to Sequence Learning with Neural Networks. NeurIPS. · URL
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Belum ada klaim yang dikurasi
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.