Модель послідовність-послідовність
Модель послідовність-послідовність (Seq2Seq), представлена Сутскевером, Віньялсом та Ле, а також Чо та його колегами у 2014 році, є нейронною мережею типу «кодер-декодер», яка відображає вхідну послідовність змінної довжини у вихідну послідовність змінної довжини. Вона є основою машинного перекладу, реферування тексту, діалогових систем та генерації коду.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Sequence-to-Sequence (Seq2Seq) Encoder-Decoder Model. ScholarGate. https://scholargate.app/uk/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.
- Механізм увагиГлибоке навчання↔ compare
- Доналаштування BERTГлибоке навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Багатоголова самостійна увагаГлибоке навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →