« Modèle séquence à séquence » : différence entre les versions


m (Remplacement de texte — « Category:scotty2 » par « <!-- Scotty2 --> »)
m (Remplacement de texte — « Category:Coulombe2 » par « <!-- Coulombe2 --> »)
Ligne 1 : Ligne 1 :
[[Category:Apprentissage profond]]  
[[Category:Apprentissage profond]]  
[[Category:Intelligence artificielle]]
[[Category:Intelligence artificielle]]
[[Category:Coulombe2]]
<!-- Coulombe2 -->
<!-- Scotty2 -->
<!-- Scotty2 -->
[[Category:Termino 2019]]
[[Category:Termino 2019]]

Version du 2 juillet 2019 à 13:05


Définition

Réseau de neurones récurrent qui convertit une séquence de données d'un domaine en entrée vers une nouvelle séquence de données dans un autre domaine en sortie.

Note: généralement, un est implémenté en utilisant deux réseaux de neurones récurrents, un premier réseau est un encodeur et le second est un décodeur. On parle aussi d'une architecture encodeur-décodeur.Dans les modèles séquence à séquence, l'entrée et la sortie ne sont pas nécessairement de la même longueur.Un bon exemple d'utilisation d'un modèle séquence à séquence est la traduction neuronale d'une phrase d'une langue d'origine vers une langue d'arrivée.

Français

modèle séquence à séquence n.m.

modèle encodeur-décodeur n.m.

modèle séq.-à-séq. n.m.

modèle seq2seq n.m.

Anglais

sequence to sequence model

seq2seq model

encoder-decoder model


Source : Henri Lasselin (2018). Make text look like speech: disfluency generation using sequence-to-sequence neuralnetworks Domain, rapport de stages, 44 pages.

Source : Marceau Caron, Gaétan (2017), Réseaux pour le langage, Montréal IVADO, http://ivado.ca/wp-content/uploads/2017/08/2017-08-24-3-MarceauCaron-Langage.pdf, consulté le 30 mai 2019.

Source : Termino