Modello Sequence-to-Sequence
Il modello sequence-to-sequence (Seq2Seq), introdotto da Sutskever, Vinyals e Le e da Cho e colleghi nel 2014, è una rete neurale encoder-decoder che mappa una sequenza di input a lunghezza variabile in una sequenza di output a lunghezza variabile. È il fondamento della traduzione automatica, della sintesi di testo, dei sistemi di dialogo e della generazione di codice.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/it/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.
- Meccanismo di AttenzioneApprendimento profondo↔ compare
- Fine-Tuning di BERTApprendimento profondo↔ compare
- Random ForestApprendimento automatico↔ compare
- Auto-attenzione multi-testaApprendimento profondo↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →