Sekvensmodeller & generativa modeller

103 metoder i denna familj.

I urval

UppmärksamhetsmekanismThe 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 AutoencoderAn 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 Dubbelriktad 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: Oparad bild-till-bild-översättning med cykelkonsistensCycleGAN, 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

Läsväg

Det här ämnets mest refererade grundläggande metoder, i den ordning de utvecklades — en bra startpunkt om du är ny här.

Återkommande neuralt nätverk1986–1990av Rumelhart, D. E.; Elman, J. L.
Long Short-Term Memory (LSTM)1997av Hochreiter, S. & Schmidhuber, J.
Gated Recurrent Unit (GRU)2014av Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
Generativt antagonistiskt nätverk2014av Goodfellow, I. et al.
Variational Autoencoder2014av Kingma, D. P. & Welling, M.
Fintrimmad transformator2017–2019av Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
Multimodal Transformer2019–2021av Lu et al. (ViLBERT); Radford et al. (CLIP)
Vision Transformer2021av Dosovitskiy, A. et al.

alla metoder på den här hyllan ↓

Alla metoder 103

Uppmärksamhetsmekanism Autoencoder Dubbelriktad RNN Crossformer CycleGAN: Oparad bild-till-bild-översättning med cykelkonsistens DeepAR Diffusionsmodell Domänadaptiv diffusionsmodell Domänadaptiv GAN Domänadaptiv GRU Domänadaptivt rekurrent neuralt nätverk Domän-adaptiva meningsinbäddningar Domänadaptiv Transformer Domänadaptiv Variational Autoencoder Domänadaptiv Vision Transformer Förklarbar diffusionsmodell Förklarbar GAN Förklarbar GRU Förklarbar LSTM Förklarbar återkommande neuralt nätverk Förklarbar Transformer Förklarbar Variational Autoencoder FEDformer: Transformer med frekvensförstärkt dekomposition Finjusterad diffusionsmodell Finjusterat generativt adversariellt nätverk Finjusterad GRU Finjusterad LSTM Finjusterat återkommande neuralt nätverk Finjusterad textsummering Fintrimmad transformator Finjusterad Variational Autoencoder Finjusterad Vision Transformer Gated Recurrent Unit (GRU)Generativt antagonistiskt nätverk Grafuppmärksamhetsnätverk Gated Recurrent Unit (GRU)Informer iTransformer: Inverterad Transformer för multivariat tidsserieprognostisering Latent Diffusion Models Long Short-Term Memory (LSTM)Longformer / BigBird LSTM Maskerade autoenkodrar Moirai: Universell Transformer för tidsserieprognoser Multilingual Diffusion Model Multilingual GAN Multilingual GRU Fler- eller målspråklig LSTM Fler språk-rekurrent neuralt nätverk Flerspråkig textsammanfattning Multilingual Variational Autoencoder Flerspråkig Vision Transformer Multimodal Diffusionsmodell Multimodal GAN Multimodal GRU Multimodal LSTM Multimodal Recurrent Neural Network Multimodal Transformer Multimodal Variational Autoencoder Multimodal Vision Transformer Non-stationary Transformer PatchTST Pyraformer Återkommande neuralt nätverk Reformer: Den effektiva transformatorn för långa sekvenser Generativ modell baserad på score-funktion SegRNN: Segment Recurrent Neural Network för långsiktig tidsserieprognostisering Multi-Head Self-Attention Självövervakat diffusionsmodell Självövervakad GAN Självövervakad GRU Självövervakad Transformer Självövervakad Variationell Autoencoder Självövervakad Vision Transformer Semihandled diffusionsmodell Semi-övervakad GAN Semi-supervised GRU Semi-supervised LSTM Semi-supervised Transformer Semi-supervised Variational Autoencoder Semi-supervised Vision Transformer Sekvens-till-sekvens-modellen (Seq2Seq)Swin Transformer T5 (Text-till-Text Transfer Transformer)Temporal Fusion Transformer Time-MoE: Grundmodell för tidsserier med Mixture-of-Experts TiRex: Nollskotts-tidsserieprognoser med xLSTM Transfer Learning GAN Överföringsinlärning med variationell autoenkoder Transferinlärning med diffusionsmodeller Transfer Learning med LSTM Transferinlärning med återkommande neurala nätverk Variational Autoencoder Vision Transformer Wasserstein GAN (WGAN)Svagt övervakad diffusionsmodell Svagt övervakad GAN Svagt övervakad GRU Svagt övervakad LSTM Svagt övervakad rekurrent neuralt nätverk Svag övervakad Transformer Svagt övervakad Variational Autoencoder Svagt övervakad Vision Transformer

Mer i Djupinlärning

Arkitekturer & träning 124