Sequentiemodellen & generatieve modellen

103 methoden in deze familie.

Uitgelicht

Attention MechanismThe 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 Auto-encoderAn 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 Bidirectionele 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 CrossformerCrossformer 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: Ongepaarde Beeld-naar-Beeldvertaling met CyclusconsistentieCycleGAN, 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

Leesroute

De meest geraadpleegde fundamentele methoden van dit onderwerp, in de volgorde waarin ze zijn ontwikkeld — een plek om te beginnen als u hier nieuw bent.

Recurrent Neuraal Netwerk1986–1990door Rumelhart, D. E.; Elman, J. L.
Long Short-Term Memory (LSTM)1997door Hochreiter, S. & Schmidhuber, J.
Gated Recurrent Unit (GRU)2014door Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
Generatief Adversarieel Netwerk2014door Goodfellow, I. et al.
Variational Autoencoder2014door Kingma, D. P. & Welling, M.
Gefinetunede Transformer2017–2019door Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
Multimodale Transformer2019–2021door Lu et al. (ViLBERT); Radford et al. (CLIP)
Transformator voor Visuele Waarneming2021door Dosovitskiy, A. et al.

alle methoden op deze plank ↓

Alle methoden 103

Attention Mechanism Auto-encoder Bidirectionele RNN Crossformer CycleGAN: Ongepaarde Beeld-naar-Beeldvertaling met Cyclusconsistentie DeepAR Diffusion Model Domein-adaptief diffusiemodel Domein-Adaptieve GAN Domein-Adaptieve GRU Domeinadaptief Recurrent Neuraal Netwerk Domein-adaptieve zinsinbeddingen Domein-Adaptieve Transformer Domein-Adaptieve Variationele Auto-encoder Domein-Adaptieve Vision Transformer Explainable Diffusion Model Uitlegbare GAN Verklaarbare GRU Verklaarbare LSTM Uitlegbare Recurrente Neurale Netwerken Uitlegbare Transformer Explainable Variational Autoencoder FEDformer: Frequency Enhanced Decomposed Transformer Fijngestemd diffusiemodel Fijn-afgestemd Generatief Adversarieel Netwerk Fijn-afgestelde GRU Fijngestemde LSTM Fijn-afgestemd Recurrent Neural Network Fijnafgestemde tekstsamenvatting Gefinetunede Transformer Fijn-afgestelde Variational Autoencoder Fijn-afgestelde Vision Transformer Gated Recurrent Unit (GRU)Generatief Adversarieel Netwerk Graph Attention Network Gated Recurrent Unit (GRU)Informer iTransformer: Geïnverteerde Transformer voor Multivariate Tijdreeksvoorspelling Latente Diffusiemodellen Long Short-Term Memory (LSTM)Longformer / BigBird LSTM Masked Autoencoders Moirai: Universele Transformer voor Tijdreeksvoorspelling Multilinguaal Diffusiemodel Meertalige GAN Meertalige GRU Meertalige LSTM Recurrent Neuraal Netwerk voor Meerdere Talen Meertalige Tekstsamenvatting Multilinguïstische Variationele Auto-encoder Meertalige Vision Transformer Multimodaal Diffusiemodel Multimodale GAN Multimodale GRU Multimodale LSTM Multimodaal Recurrent Neural Network Multimodale Transformer Multimodale Variational Auto-encoder Multimodale Vision Transformer Niet-stationaire Transformer PatchTST Pyraformer Recurrent Neuraal Netwerk Reformer: De Efficiënte Transformer voor Lange Sequenties Score-gebaseerd generatief model SegRNN Multi-Head Self-Attention Zelf-gesuperviseerd diffusiemodel Zelfgesuperviseerde GAN Zelf-gesuperviseerde GRU Zelf-gesuperviseerde Transformer Zelf-gesuperviseerde Variational Autoencoder Zelf-gesuperviseerde Vision Transformer Semi-supervised Diffusion Model Semi-supervised GAN Semi-supervised GRU Semi-supervised LSTM Semi-supervised Transformer Semi-supervised Variational Autoencoder Semi-supervised Vision Transformer Sequence-to-Sequence Model Swin Transformer T5 (Text-to-Text Transfer Transformer)Temporal Fusion Transformer Time-MoE: Mixture-of-Experts Tijdreeks Fundamenteel Model TiRex: Zero-Shot Tijdreeksvoorspelling met xLSTM Transfer Learning GAN Transfer Learning met Variational Autoencoder Transfer Learning met Diffusiemodellen Transfer Learning met LSTM Transfer Learning met Recurrent Neural Network Variational Autoencoder Transformator voor Visuele Waarneming Wasserstein GAN (WGAN)Zwak Gesuperviseerd Diffusiemodel Zwak-gesuperviseerde GAN Zwak gesuperviseerde GRU Zwakke gesuperviseerde LSTM Recurrent Neuraal Netwerk met Zwakke Supervisie Zwakke Supervised Transformer Zwak-gesuperviseerde Variational Autoencoder Vision Transformer voor zwakke supervisie

Meer in Deep learning

Architecturen & training 124