Model sekvenca-na-sekvencu
Model sekvenca-na-sekvencu (Seq2Seq), koji su predstavili Sutskever, Vinyals i Le, kao i Cho i saradnici 2014. godine, jeste neuronska mreža tipa enkoder-dekoder koja preslikava ulaznu sekvencu promenljive dužine u izlaznu sekvencu promenljive dužine. On predstavlja osnovu mašinskog prevođenja, sažimanja teksta, sistema za vođenje dijaloga i generisanja koda.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/sr/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.
- Mehanizam pažnjeDuboko učenje↔ compare
- BERT fine-tuningDuboko učenje↔ compare
- Slučajna šumaMašinsko učenje↔ compare
- Višeglava sopstvena pažnjaDuboko učenje↔ compare
- XGBoostMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →