Daudzvalodu variācijas autoenkoders
Daudzvalodu variācijas autoenkoders (ML-VAE) paplašina standarta VAE sistēmu, lai apstrādātu vairākas valodas kopīgā probabilitiskā latenta telpā. Valodai specifiski enkoderi kartē tekstu no katras valodas kopīgā nepārtrauktā attēlojumā, savukārt valodai specifiski dekoderi rekonstruē vai tulko šo tekstu. Tas nodrošina starpvalodu ģenerēšanu, stila pārvirzi un attēlojumu apguvi ar paralēliem korpusiem vai bez tiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/lv/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.
- Daudzvalodu rekurentā neironu tīklsDziļā mācīšanās↔ compare
- Daudzvalodu teikumu iegulšanasDziļā mācīšanās↔ compare
- Daudzvalodu transformatorsDziļā mācīšanās↔ compare
- Pārneses apmācība ar variācijas autoenkoderiDziļā mācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →