Sekvensmodeller og generative modeller

103 metoder i denne familien.

Utvalgte

OppmerksomhetsmekanismeThe 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 AutoenkoderAn 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 Toveis 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: Uavhengig bilde-til-bilde-oversettelse med syklisk konsistensCycleGAN, 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

Reading path

This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.

Residuelle nevrale nettverk1986–1990by Rumelhart, D. E.; Elman, J. L.
Langtidskorttidsminne (LSTM)1997by Hochreiter, S. & Schmidhuber, J.
Gated Recurrent Unit (GRU)2014by Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
Generativt motsetningsnettverk2014by Goodfellow, I. et al.
Variasjonsautoenkoder2014by Kingma, D. P. & Welling, M.
Finetunet transformator2017–2019by Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
Multimodal transformere2019–2021by Lu et al. (ViLBERT); Radford et al. (CLIP)
Vision Transformer2021by Dosovitskiy, A. et al.

all methods on this shelf ↓

Alle metoder 103

Oppmerksomhetsmekanisme Autoenkoder Toveis RNN Crossformer CycleGAN: Uavhengig bilde-til-bilde-oversettelse med syklisk konsistens DeepAR Diffusjonsmodell Domene-adaptiv diffusjonsmodell Domene-adaptiv GAN Domene-adaptiv GRU Domene-adaptivt rekurrent nevralt nettverk Domene-tilpassede setningsinnbygginger Domene-adaptiv Transformer Domene-adaptiv Variasjonsautoenkoder Domene-adaptiv Vision Transformer Forklarbar diffusjonsmodell Forklarbar GAN Forklarbar GRU Explainable LSTM Forklarende tilbakevendende nevralt nettverk Forklarbar Transformer Explainable Variational Autoencoder FEDformer: Frekvensforsterket dekomponert transformator Finjustert diffusjonsmodell Finjustert generativt antagonistisk nettverk Finjustert GRU Finjustert LSTM Fintunet rekurrent nevralt nettverk Finjustert tekstoppsummering Finetunet transformator Finjustert Variasjonsautoenkoder Finjustert Vision Transformer Gated Recurrent Unit (GRU)Generativt motsetningsnettverk Graph Attention Network Gated Recurrent Unit (GRU)Informer iTransformer: Invertert Transformer for Multivariat Tidsserieprognostisering Latente diffusjonsmodeller Langtidskorttidsminne (LSTM)Longformer / BigBird LSTM Maskerte autoenkodere Moirai: Universell transformator for tidsserieprognoser Multilingual Diffusion Model Multilingual GAN Multilingual GRU Flerspråklig LSTM Fler-språklig Rekurrent Neuralt Nettverk Fler-språklig tekstoppsummering Multilingual Variational Autoencoder Multilingual vision transformer Multimodal diffusjonsmodell Multimodal GAN Multimodal GRU Multimodal LSTM Multimodal Recurrent Neural Network Multimodal transformere Multimodal Variasjonsautoenkoder Multimodal Vision Transformer Ikke-stasjonær Transformer PatchTST Pyraformer Residuelle nevrale nettverk Reformer: Den effektive transformeren for lange sekvenser Skårbasert generativ modell SegRNN: Segment Recurrent Neural Network for Long-Term Time Series Forecasting Multi-hode selvoppmerksomhet Selv-supervisert diffusjonsmodell Selv-supervisert GAN Selvveiledet GRU Selv-supervisert Transformer Selv-overvåket Variasjonell Autoenkoder Selv-supervisert Vision Transformer Semi-supervised Diffusion Model Semi-supervised GAN Semi-supervised GRU Semi-supervised LSTM Semi-supervisert Transformer Semi-supervised Variational Autoencoder Semi-supervised Vision Transformer Sekvens-til-sekvens-modellen (Seq2Seq)Swin Transformer T5 (Text-til-Tekst Overføringstransformator)Tidsmessig fusjonstransformator Time-MoE: En grunnmodell for tidsserier basert på Mixture-of-Experts TiRex: Nullskudds tidsserieprognoser med xLSTM Transfer Learning GAN Overføringslæring med variatorisk autoenkoder Overføringslæring med diffusjonsmodeller Overføringslæring med LSTM Overføringslæring med tilbakevendende nevralt nettverk Variasjonsautoenkoder Vision Transformer Wasserstein GAN (WGAN)Svakt veiledet diffusjonsmodell Svakt veiledet GAN Svakt veiledet GRU Svakt veiledet LSTM Svakt veiledet tilbakevendende nevralt nettverk Svakt veiledet Transformer Svakt veiledet variasjonsautoenkoder Svakt veiledet Vision Transformer

Mer i Dyp læring

Arkitekturer og trening 124