ScholarGate
Assistente

Sequenziale e generativo

103 metodi in questa famiglia.

In evidenza

Meccanismo di AttenzioneThe attention mechanism, introduced by Bahdanau, Cho and Bengio in 2015 and refined by Luong, Pham and Manning the same year, lets a sequence decoder dynamically learn which of theAutoencoderAn autoencoder is an encoder-decoder neural network, popularised by Hinton and Salakhutdinov in 2006, that compresses data into a low-dimensional latent code and then reconstructs RNN BidirezionaleA Bidirectional RNN, introduced by Schuster and Paliwal in 1997, processes a sequence in both forward and backward directions so that every position has access to its full surroundCrossformerCrossformer is a Transformer-based architecture for multivariate time series forecasting, introduced by Yunhao Zhang and Junchi Yan at ICLR 2023. Unlike earlier Transformer variantCycleGANCycleGAN, introduced by Zhu et al. at ICCV 2017, learns to translate images between two visual domains without requiring paired training examples. It trains two generators and two DeepARDeepAR is Amazon's industrial forecasting model, introduced by Salinas, Flunkert and Gasthaus (2017; published 2020), that uses an autoregressive recurrent neural network to estima

Percorso di lettura

I metodi fondamentali più citati di questo argomento, nell'ordine in cui sono stati sviluppati — un punto di partenza se sei alle prime armi.

  1. Reti neurali ricorrenti1986–1990di Rumelhart, D. E.; Elman, J. L.
  2. Long Short-Term Memory (LSTM)1997di Hochreiter, S. & Schmidhuber, J.
  3. Unità Ricorrente con Gate (GRU)2014di Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
  4. Rete Generativa Avversaria2014di Goodfellow, I. et al.
  5. Variational Autoencoder2014di Kingma, D. P. & Welling, M.
  6. Transformer con addestramento fine-tuned2017–2019di Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
  7. Transformer Multimodale2019–2021di Lu et al. (ViLBERT); Radford et al. (CLIP)
  8. Vision Transformer2021di Dosovitskiy, A. et al.
tutti i metodi su questo scaffale ↓

Tutti i metodi 103

Meccanismo di AttenzioneAutoencoderRNN BidirezionaleCrossformerCycleGANDeepARModello di diffusioneModello a Diffusione Domain-AdaptiveGAN Adattiva al DominioGRU Adattivo al DominioRete Neurale Ricorrente Adattiva al DominioEmbeddings di frasi adattivi al dominioTransformer Adattivo al DominioVariational Autoencoder Domain-AdattivoVision Transformer Adattivo al DominioModello di Diffusione SpiegabileGAN SpiegabileGRU SpiegabileLSTM SpiegabileRete Neurale Ricorrente SpiegabileTransformer SpiegabileAutoencoder Variazionale SpiegabileFEDformerModello a Diffusione Fine-TunedGenerative Adversarial Network (GAN) Fine-TunedGRU Adattato (Fine-Tuned GRU)LSTM Fine-TunedRete Neurale Ricorrente Ottimizzata (Fine-Tuned)Riassunto di Testi con Fine-TuningTransformer con addestramento fine-tunedVariational Autoencoder Fine-TunedVision Transformer con Fine-TuningUnità Ricorrente con Gate (GRU)Rete Generativa AvversariaRete di Attenzione su GrafoUnità Ricorrente Gated (GRU)InformeriTransformerModelli di Diffusione LatenteLong Short-Term Memory (LSTM)Longformer / BigBirdLSTMAutoencoder MascheratiMoirai: Trasformatore Universale per la Previsione di Serie StoricheModello di Diffusione MultilingueGAN multilingueGRU multilingueMultilingual LSTMReti neurali ricorrenti multilinguiRiassunto di testi multilingueVariational Autoencoder MultilingueVision Transformer MultilingueModello di Diffusione MultimodaleMultimodal GANMultimodal GRULSTM MultimodaleReti Neurali Ricorrenti MultimodaliTransformer MultimodaleVariational Autoencoder MultimodaleVision Transformer MultimodaleTransformer non-stazionarioPatchTSTPyraformerReti neurali ricorrentiReformer: The Efficient Transformer for Long SequencesModello generativo basato sul gradiente (score-based)SegRNNAuto-attenzione multi-testaModello di Diffusione Auto-supervisionatoSelf-supervised GANGRU auto-supervisionatoTransformer auto-supervisionatoVariational Autoencoder Auto-supervisionatoVision Transformer Auto-supervisionatoModello di diffusione semi-supervisionatoGAN semi-supervisionatoGRU semi-supervisionatoLSTM semi-supervisionatoTransformer semi-supervisionatoVariational Autoencoder Semi-supervisionatoVision Transformer Semi-SupervisedModello Sequence-to-SequenceSwin TransformerT5 (Text-to-Text Transfer Transformer)Temporal Fusion TransformerTime-MoETiRex: Previsione di Serie Storiche Zero-Shot con xLSTMGAN a Trasferimento di ApprendimentoTransfer Learning con Variational AutoencoderApprendimento per trasferimento con modello a diffusioneApprendimento per trasferimento con LSTMApprendimento per Trasferimento con Reti Neurali RicorrentiVariational AutoencoderVision TransformerWasserstein GAN (WGAN)Modello di diffusione debolmente supervisionatoGAN Supervisione DeboleGRU Debolmente SupervisionatoLSTM a Supervisione DeboleRete Neurale Ricorrente Debolmente SupervisionataTransformer con Supervisione DeboleAutoencoder Variazionale Debolmente SupervisionatoVision Transformer Supervisione Debole

Altri in Apprendimento profondo

Architetture e addestramento 124