Machine learning
แบบจำลองลำดับต่อลำดับ
แบบจำลองลำดับต่อลำดับ (Seq2Seq) ซึ่งนำเสนอโดย Sutskever, Vinyals และ Le และโดย Cho และคณะในปี 2014 เป็นโครงข่ายประสาทเทียมแบบเข้ารหัส-ถอดรหัส (encoder-decoder) ที่จับคู่ลำดับอินพุตที่มีความยาวไม่แน่นอนกับลำดับเอาต์พุตที่มีความยาวไม่แน่นอน เป็นพื้นฐานของการแปลภาษาด้วยเครื่อง การสรุปความด้วยข้อความ ระบบสนทนา และการสร้างโค้ด
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/th/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.
- กลไกการใส่ใจ (Attention Mechanism)การเรียนรู้เชิงลึก↔ compare
- การปรับจูน BERTการเรียนรู้เชิงลึก↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- ความสนใจหลายหัวของตนเอง (Multi-Head Self-Attention)การเรียนรู้เชิงลึก↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare