Chuỗi và sinh tạo

103 phương pháp trong họ này.

Nổi bật

Cơ chế chú ý (Attention Mechanism)The 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 Bộ tự mã hóaAn 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 RNN hai chiềuA 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 CycleGANCycleGAN, 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

Reading path

This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.

Mạng nơ-ron hồi quy1986–1990by Rumelhart, D. E.; Elman, J. L.
Mạng bộ nhớ dài-ngắn hạn (LSTM)1997by Hochreiter, S. & Schmidhuber, J.
Cổng Lặp Lại Có Cổng (GRU)2014by Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
Generative Adversarial Network2014by Goodfellow, I. et al.
Bộ tự mã hóa biến phân2014by Kingma, D. P. & Welling, M.
Transformer tinh chỉnh2017–2019by Vaswani et al. (architecture); fine-tuning paradigm popularised by Howard & Ruder, Devlin et al.
Transformer Đa phương thức2019–2021by Lu et al. (ViLBERT); Radford et al. (CLIP)
Transformer Thị giác2021by Dosovitskiy, A. et al.

all methods on this shelf ↓

Tất cả phương pháp 103

Cơ chế chú ý (Attention Mechanism)Bộ tự mã hóa RNN hai chiều Crossformer CycleGAN DeepAR Mô hình khuếch tán Mô hình khuếch tán thích ứng miền GAN thích ứng miền GRU Thích ứng Miền Mạng nơ-ron hồi quy thích ứng miền Nhúng câu thích ứng miền Transformer Thích ứng Miền Variational Autoencoder Thích ứng Miền Transformer Thị giác Thích ứng Miền Mô hình Khuếch tán Có thể Giải thích GAN có thể giải thích GRU có thể giải thích được Explainable LSTM Mạng nơ-ron hồi quy có thể giải thích Explainable Transformer (Transformer có thể giải thích được)Autoencoder Biến phân có thể giải thích FEDformer: Transformer phân rã tăng cường tần số Mô hình khuếch tán tinh chỉnh Mạng đối nghịch được tinh chỉnh GRU Tinh chỉnh (Fine-Tuned GRU)LSTM Tinh chỉnh Mạng nơ-ron hồi quy tinh chỉnh (Fine-Tuned Recurrent Neural Network)Tóm tắt văn bản tinh chỉnh Transformer tinh chỉnh Bộ tự mã hóa biến phân tinh chỉnh Vision Transformer tinh chỉnh Cổng Lặp Lại Có Cổng (GRU)Generative Adversarial Network Mạng Hồi quy Đồ thị (Graph Attention Network - GAT)Mạng nơ-ron tái phát có cổng (Gated Recurrent Unit - GRU)Informer iTransformer: Transformer Nghịch đảo cho Dự báo Chuỗi Thời gian Đa biến Mô hình Khuếch tán Tiềm ẩn Mạng bộ nhớ dài-ngắn hạn (LSTM)Longformer / BigBird LSTM Mô hình Tự mã hóa Che giấu Moirai: Transformer dự báo chuỗi thời gian phổ quát Mô hình Khuếch tán Đa ngôn ngữ GAN Đa Ngôn Ngữ GRU Đa Ngôn Ngữ Mạng LSTM đa ngôn ngữ Mạng nơ-ron hồi quy đa ngôn ngữ Tóm tắt văn bản đa ngôn ngữ Bộ tự mã hóa biến phân đa ngôn ngữ Transformer Thị giác Đa ngôn ngữ Mô hình Khuếch tán Đa phương thức GAN đa phương thức Multimodal GRU Multimodal LSTM Mạng nơ-ron hồi quy đa phương thức Transformer Đa phương thức Multimodal Variational Autoencoder Transformer Thị giác Đa phương thức Transformer phi-stationarity (Non-stationary Transformer)PatchTST Pyraformer: Transformer Chú ý Kim Tự Tháp cho Dự báo Chuỗi Thời gian Tầm xa Mạng nơ-ron hồi quy Reformer: Bộ biến đổi hiệu quả cho chuỗi dài Mô hình sinh sinh theo điểm số SegRNN: Mạng nơ-ron hồi quy phân đoạn để dự báo chuỗi thời gian dài hạn Tự chú ý đa đầu Mô hình khuếch tán tự giám sát Self-supervised GAN GRU tự giám sát Transformer tự giám sát Self-supervised Variational Autoencoder Vision Transformer tự giám sát Mô hình khuếch tán bán giám sát GAN bán giám sát GRU bán giám sát LSTM bán giám sát Transformer bán giám sát Mô hình Autoencoder biến phân bán giám sát Vision Transformer bán giám sát Mô hình Sequence-to-Sequence (Seq2Seq)Swin Transformer T5 (Text-to-Text Transfer Transformer)Temporal Fusion Transformer Time-MoE TiRex: Dự báo chuỗi thời gian Zero-Shot với xLSTM Transfer Learning GAN Học chuyển giao với Bộ Tự mã hóa Biến phân Chuyển giao kiến thức với Mô hình Khuếch tán Transfer Learning với LSTM Học chuyển giao với Mạng nơ-ron hồi quy Bộ tự mã hóa biến phân Transformer Thị giác Wasserstein GAN (WGAN)Mô hình khuếch tán giám sát yếu GAN Giám sát Yếu GRU Yếu có Giám sát LSTM Giám sát Yếu Mạng nơ-ron hồi quy được giám sát yếu Transformer Giám sát Yếu Bộ tự mã hóa biến phân có giám sát yếu Vision Transformer Giám sát Yếu (WS-ViT)

Xem thêm trong Học sâu

Kiến trúc và huấn luyện 124