Sequence-to-Sequence Model
Het sequence-to-sequence (Seq2Seq) model, geïntroduceerd door Sutskever, Vinyals en Le en door Cho en collega's in 2014, is een encoder-decoder neuraal netwerk dat een invoersequentie van variabele lengte afbeeldt op een uitvoersequentie van variabele lengte. Het vormt de basis van machinetranslatie, tekstsamenvatting, dialoogsystemen en codegeneratie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/nl/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.
- Attention MechanismDeep learning↔ compare
- BERT Fine-TuningDeep learning↔ compare
- Random ForestMachine learning↔ compare
- Multi-Head Self-AttentionDeep learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →