Slabě řízené rekurentní neuronové sítě
Slabě řízená rekurentní neuronová síť (RNN) trénuje rekurentní neuronovou síť na sekvencích, jejichž popisky pocházejí z nedokonalých zdrojů — heuristických pravidel, vzdálené supervize, crowdsourcingu nebo generativních modelů popisků — namísto nákladné expertní anotace. To umožňuje výzkumníkům využívat rozsáhlé neanotované korpusy pro sekvenční úlohy, jako je klasifikace textu, rozpoznávání pojmenovaných entit nebo predikce časových řad, pokud jsou plně anotovaná data vzácná nebo nákladná.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/cs/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.
- Gated Recurrent Unit (GRU)Hluboké učení↔ compare
- Dlouhodobá krátkodobá paměť (LSTM)Hluboké učení↔ compare
- Rekurentní neuronová síťHluboké učení↔ compare
- Slabě supervizovaný LSTMHluboké učení↔ compare
- Slabě supervizovaný TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →