Модель «последовательность к последовательности»
Модель «последовательность к последовательности» (Seq2Seq), представленная в 2014 году Суцкевером, Виньялсом и Ле, а также Чо и его коллегами, представляет собой нейронную сеть с кодировщиком-декодировщиком, которая отображает входную последовательность переменной длины в выходную последовательность переменной длины. Она является основой машинного перевода, реферирования текстов, диалоговых систем и генерации кода.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/ru/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.
- Механизм вниманияГлубокое обучение↔ compare
- Дообучение BERTГлубокое обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Многоголовочное самовниманиеГлубокое обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →