LSTM supervisat feblement
L'LSTM supervisat feblement entrena una xarxa Long Short-Term Memory (LSTM) en dades seqüencials on les etiquetes netes anotades manualment són escasses o absents. En lloc d'això, es combinen múltiples fonts d'etiquetes imperfectes —regles heurístiques, supervisió distant, crowdsourcing o funcions d'etiquetatge programàtiques— per produir etiquetes d'entrenament probabilístiques, que després s'utilitzen per supervisar l'LSTM. Això permet un entrenament escalable en grans corpus no etiquetats sense una anotació humana exhaustiva.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Weakly Supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ca/deep-learning/weakly-supervised-lstm
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.
- LSTM afinadaAprenentatge profund↔ compare
- Long Short-Term Memory (LSTM)Aprenentatge profund↔ compare
- Xarxa Neuronal RecurrentAprenentatge profund↔ compare
- LSTM semi-supervisatAprenentatge profund↔ compare
- Xarxa Neuronal Recursiva amb Supervisió FebleAprenentatge profund↔ compare
- Transformer amb supervisió febleAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →