Model Jujukan-ke-Jujukan
Model jujukan-ke-jujukan (Seq2Seq), yang diperkenalkan oleh Sutskever, Vinyals dan Le serta oleh Cho dan rakan-rakannya pada tahun 2014, ialah rangkaian neural pengekod-penyahkod yang memetakan jujukan input sepanjang berubah-ubah kepada jujukan output sepanjang berubah-ubah. Ia merupakan asas kepada terjemahan mesin, ringkasan teks, sistem dialog dan penjanaan kod.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/ms/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.
- Mekanisme PerhatianPembelajaran Mendalam↔ compare
- Fine-Tuning BERTPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Perhatian Kendiri Pelbagai KepalaPembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →