시퀀스 및 생성 모델

103 개 방법이 이 계열에 있습니다.

추천

어텐션 메커니즘The 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 the 오토인코더An 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 양방향 RNNA 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 surround Crossformer: 다변량 시계열 예측을 위한 교차 차원 종속성 트랜스포머Crossformer is a Transformer-based architecture for multivariate time series forecasting, introduced by Yunhao Zhang and Junchi Yan at ICLR 2023. Unlike earlier Transformer variant CycleGAN: Cycle Consistency를 이용한 비쌍 이미지-이미지 변환CycleGAN, 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

Reading path

This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.

순환 신경망1986–1990by Rumelhart, D. E.; Elman, J. L.
Long Short-Term Memory (LSTM)1997by Hochreiter, S. & Schmidhuber, J.
Gated Recurrent Unit (GRU)2014by Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
생성적 적대 신경망2014by Goodfellow, I. et al.
Variational Autoencoder2014by Kingma, D. P. & Welling, M.
파인튜닝 트랜스포머2017–2019by Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
다중 모달 트랜스포머2019–2021by Lu et al. (ViLBERT); Radford et al. (CLIP)
Vision Transformer2021by Dosovitskiy, A. et al.

all methods on this shelf ↓

모든 방법 103

어텐션 메커니즘 오토인코더 양방향 RNN Crossformer: 다변량 시계열 예측을 위한 교차 차원 종속성 트랜스포머 CycleGAN: Cycle Consistency를 이용한 비쌍 이미지-이미지 변환 DeepAR 확산 모델 도메인 적응 확산 모델 도메인 적응형 GAN 도메인 적응형 GRU 도메인 적응 순환 신경망 도메인 적응형 문장 임베딩 도메인 적응 트랜스포머 도메인 적응형 변이형 오토인코더 도메인 적응형 비전 트랜스포머 설명 가능한 확산 모델 설명 가능한 GAN 설명 가능한 GRU 설명 가능한 LSTM (Explainable LSTM)설명 가능한 순환 신경망 설명 가능한 트랜스포머 설명 가능한 변이형 오토인코더 FEDformer: 주파수 강화 분해 트랜스포머 미세조정 확산 모델 Fine-Tuned Generative Adversarial Network 미세 조정된 GRU 파인튜닝된 LSTM 미세 조정된 순환 신경망 미세 조정 텍스트 요약 파인튜닝 트랜스포머 파인튜닝된 변이형 오토인코더 미세 조정된 비전 트랜스포머 Gated Recurrent Unit (GRU)생성적 적대 신경망 그래프 어텐션 네트워크 Gated Recurrent Unit (GRU)Informer iTransformer: 다변량 시계열 예측을 위한 역변환기 잠재 확산 모델 Long Short-Term Memory (LSTM)Longformer / BigBird LSTM Masked Autoencoders Moirai: 범용 시계열 예측 트랜스포머 다국어 확산 모델 다국어 GAN 다국어 GRU 다국어 LSTM 다국어 순환 신경망 (Multilingual Recurrent Neural Network)다국어 텍스트 요약 다국어 변이형 오토인코더 다국어 비전 트랜스포머 다중 양식 확산 모델 멀티모달 GAN 다중 모드 GRU 다중 양식 LSTM Multimodal Recurrent Neural Network 다중 모달 트랜스포머 Multimodal Variational Autoencoder 멀티모달 비전 트랜스포머 Non-stationary Transformer PatchTST Pyraformer: 장기 시계열 예측을 위한 피라미드형 어텐션 트랜스포머 순환 신경망 Reformer: The Efficient Transformer for Long Sequences 점수 기반 생성 모델 SegRNN: 장기 시계열 예측을 위한 세그먼트 순환 신경망 다중 헤드 셀프 어텐션 자가 지도 확산 모델 Self-supervised GAN 자기 지도 GRU Self-supervised Transformer 자기 지도 변분형 오토인코더 Self-supervised Vision Transformer 준지도 학습 확산 모델 준지도 학습 GAN 준지도 GRU 준지도 학습 LSTM 준지도 학습 트랜스포머 준지도 학습 변이형 오토인코더 Semi-supervised Vision Transformer 순차열 대 순차열 모델 Swin Transformer T5 (Text-to-Text Transfer Transformer)Temporal Fusion Transformer Time-MoE: 시계열 예측을 위한 혼합 전문가 기반 기초 모델 TiRex: xLSTM을 활용한 제로샷 시계열 예측 전이 학습 GAN Variational Autoencoder를 이용한 전이 학습 확산 모델을 이용한 전이 학습 LSTM을 이용한 전이 학습 순환 신경망(Recurrent Neural Network)을 이용한 전이 학습 Variational Autoencoder Vision Transformer Wasserstein GAN (WGAN)약한 지도 확산 모델 약지도 GAN 약지도 GRU 약지도 학습 LSTM 약한 지도 순환 신경망 약지도 트랜스포머 약지도 변분 오토인코더 약지도 학습 비전 트랜스포머

딥러닝의 다른 방법

아키텍처 및 학습 124