Multilingual Variational Autoencoder
En multilingval variasjonsautoenkoder (ML-VAE) utvider standard VAE-rammeverk for å håndtere flere språk innenfor et delt probabilistisk latent rom. Sprpesifikke kodere mapper tekst fra hvert språk til en felles kontinuerlig representasjon, mens sprpesifikke dekodere rekonstruerer eller oversetter denne teksten. Dette muliggjør krysspråklig generering, stiloverføring og representasjonslæring med eller uten parallelle korpora.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/no/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.
- Fler-språklig Rekurrent Neuralt NettverkDyp læring↔ compare
- Flerspråklige setningsinnbyggingerDyp læring↔ compare
- Multilingual TransformerDyp læring↔ compare
- Overføringslæring med variatorisk autoenkoderDyp læring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →