Machine learning
순차열 대 순차열 모델
2014년 Sutskever, Vinyals, Le 및 Cho와 동료들이 소개한 순차열 대 순차열(Seq2Seq) 모델은 가변 길이의 입력 순차열을 가변 길이의 출력 순차열로 매핑하는 인코더-디코더 신경망입니다. 이는 기계 번역, 텍스트 요약, 대화 시스템 및 코드 생성의 기초가 됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/ko/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.
- 어텐션 메커니즘딥러닝↔ compare
- BERT 미세 조정딥러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 다중 헤드 셀프 어텐션딥러닝↔ compare
- XGBoost머신러닝↔ compare