ScholarGate
Asistent

Secvențiale și generative

103 metode în această familie.

Recomandate

Mecanismul de atențieThe 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 theAutoencoderAn 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 RNN bidirecționalA 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 surroundCrossformerCrossformer is a Transformer-based architecture for multivariate time series forecasting, introduced by Yunhao Zhang and Junchi Yan at ICLR 2023. Unlike earlier Transformer variantCycleGAN: Traducere de imagini fără perechi cu consistență ciclicăCycleGAN, 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

Traseu de lectură

Cele mai citate metode fundamentale ale acestui subiect, în ordinea în care au fost dezvoltate — un punct de plecare dacă vă aflați aici pentru prima dată.

  1. Rețea Neuronală Recurentă1986–1990de Rumelhart, D. E.; Elman, J. L.
  2. Long Short-Term Memory (LSTM)1997de Hochreiter, S. & Schmidhuber, J.
  3. Unitatea Recurentă Gated (GRU)2014de Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
  4. Rețea Generativă Adversarial2014de Goodfellow, I. et al.
  5. Autoencoder Variațional2014de Kingma, D. P. & Welling, M.
  6. Transformer ajustat fin2017–2019de Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
  7. Transformer Multimodal2019–2021de Lu et al. (ViLBERT); Radford et al. (CLIP)
  8. Vision Transformer2021de Dosovitskiy, A. et al.
toate metodele de pe acest raft ↓

Toate metodele 103

Mecanismul de atențieAutoencoderRNN bidirecționalCrossformerCycleGAN: Traducere de imagini fără perechi cu consistență ciclicăDeepARModel de difuzieModel de difuzie adaptiv la domeniuGAN adaptiv la domeniuGRU Adaptat la DomeniuRețea neuronală recurentă adaptivă la domeniuEmbeddings de propoziții adaptate domeniuluiTransformer Adaptat la DomeniuVariational Autoencoder Adaptat la DomeniuVision Transformer Adaptiv al DomeniuModel de difuzie explicabilGAN ExplicabilGRU ExplicabilLSTM explicabilRețea neuronală recurentă explicabilăTransformer ExplicabilVariational Autoencoder ExplicabilFEDformer: Transformer cu frecvență sporită și descompunereModel de difuzie fin-ajustatRețea Generativă Adversarială Fin-ReglatăGRU cu reglaj fin (Fine-Tuned GRU)LSTM ajustat finRețea Neuronală Recurentă Fine-TunedSumarizarea Textului cu Ajustare FinăTransformer ajustat finVariational Autoencoder Ajustat FinVision Transformer (ViT) fin-tunatUnitatea Recurentă Gated (GRU)Rețea Generativă AdversarialRețeaua de Atenție GraficăUnitate Recurentă Gated (GRU)InformeriTransformerModele de difuzie latenteLong Short-Term Memory (LSTM)Longformer / BigBirdLSTMAutoencodere mascateMoirai: Transformer Universal pentru Prognoza Seriilor TemporaleModelul de difuzie multilingvăGAN multilingvGRU multilingvăLSTM MultilingvisticRețea Recurentă MultilingvăSumarizare multilingvă de textAutoencoder Variațional MultilingvVision Transformer multilingv (Multilingual ViT)Modelul de difuzie multimodalGAN multimodalGRU multimodalLSTM MultimodalRețea neuronală recurentă multimodalăTransformer MultimodalVariational Autoencoder MultimodalTransformer Vizual MultimodalTransformer Non-staționarPatchTSTPyraformerRețea Neuronală RecurentăReformer: Transformer Eficient pentru Secvențe LungiModel Generativ Bazat pe ScorSegRNNAtenție Multi-Capete (Multi-Head Self-Attention)Model de difuzie auto-supervizatGAN auto-supervizatGRU auto-supervizatTransformer auto-supervizatAutoencoder Variațional auto-supervizatVision Transformer auto-supervizatModel de difuzie semisupervizatGAN semi-supervizatGRU semi-supervizatLSTM semi-supervizatTransformer semi-supervizatVariational Autoencoder Semi-supervizatVision Transformer semi-supervizatModel Secvență-la-SecvențăSwin TransformerT5 (Text-to-Text Transfer Transformer)Temporal Fusion TransformerTime-MoE: Model fundamental de tip "Mixture-of-Experts" pentru serii de timpTiRex: Prognoză de serii temporale fără exemple (zero-shot) cu xLSTMTransfer Learning GANTransfer Learning cu Autoencoder VariaționalÎnvățare prin transfer cu modele de difuzieÎnvățare prin transfer cu LSTMÎnvățare prin transfer cu Rețele Neuronale RecurenteAutoencoder VariaționalVision TransformerWasserstein GAN (WGAN)Model de difuzie slab supervizatGAN cu supraveghere slabăModel GRU slab supervizatLSTM slab supraveghere slabăRețea Neuronală Recurentă Slab SupervizatăTransformer Supervizat SlabVariational Autoencoder Slab SlabVision Transformer cu Supraveghere Slabă

Mai multe în Învățare profundă

Arhitecturi și antrenare 124