Machine learning
シーケンス・ツー・シーケンスモデル
2014年にSutskever, Vinyals, LeらおよびChoらによって導入されたシーケンス・ツー・シーケンス（Seq2Seq）モデルは、可変長の入力シーケンスを可変長の出力シーケンスにマッピングするエンコーダー・デコーダーニューラルネットワークである。これは機械翻訳、テキスト要約、対話システム、コード生成の基礎となっている。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/ja/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.
- アテンションメカニズム深層学習↔ compare
- BERTファインチューニング深層学習↔ compare
- ランダムフォレスト機械学習↔ compare
- Multi-Head Self-Attention深層学習↔ compare
- XGBoost機械学習↔ compare