Sekvens-till-sekvens-modellen (Seq2Seq)
Sekvens-till-sekvens-modellen (Seq2Seq), introducerad av Sutskever, Vinyals och Le samt av Cho och kollegor år 2014, är ett neuralt nätverk av typen encoder-decoder som mappar en indatasekvens av variabel längd till en utdatasekvens av variabel längd. Den utgör grunden för maskinöversättning, textsammanfattning, dialogsystem och kodgenerering.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/sv/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.
- UppmärksamhetsmekanismDjupinlärning↔ compare
- BERT-finjusteringDjupinlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Multi-Head Self-AttentionDjupinlärning↔ compare
- XGBoostMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →