Слабо насочвани рекурентни невронни мрежи
Слабо насочвана рекурентна невронна мрежа (RNN) обучава рекурентна невронна мрежа върху последователности, чиито етикети идват от несъвършени източници — евристични правила, отдалечено насочване, краудсорсинг или генеративни модели на етикети — вместо от скъпи експертни анотации. Това позволява на изследователите да използват големи неанотирани корпуси за последователни задачи като класификация на текст, разпознаване на именувани обекти или прогнозиране на времеви редове, когато напълно анотираните данни са оскъдни или скъпи.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ratner, A., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/bg/deep-learning/weakly-supervised-recurrent-neural-network
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.
- Вентилна рекурентна единица (GRU)Дълбоко обучение↔ compare
- Дългосрочна краткосрочна памет (LSTM)Дълбоко обучение↔ compare
- Рекурентна невронна мрежаДълбоко обучение↔ compare
- Слабо контролиран LSTMДълбоко обучение↔ compare
- Слабо контролиран ТрансформърДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →