Variational Autoencoder Multilingue
Un Variational Autoencoder Multilingue (ML-VAE) estende il framework standard del VAE per gestire più lingue all'interno di uno spazio latente probabilistico condiviso. Encoder specifici per lingua mappano il testo da ciascuna lingua in una rappresentazione continua comune, mentre decoder specifici per lingua ricostruiscono o traducono tale testo. Ciò consente la generazione cross-linguale, il trasferimento di stile e l'apprendimento di rappresentazioni con o senza corpora paralleli.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/it/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.
- Reti neurali ricorrenti multilinguiApprendimento profondo↔ compare
- Embedding multilingue di frasiApprendimento profondo↔ compare
- Transformer multilingueApprendimento profondo↔ compare
- Transfer Learning con Variational AutoencoderApprendimento profondo↔ compare
- Variational AutoencoderApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →