Slabě supervizovaný Transformer
Slabě supervizovaný Transformer kombinuje reprezentační sílu architektur Transformer s strategiemi slabé supervize, které využívají šumová, neúplná nebo programově generovaná označení — což umožňuje trénovat vysoce kvalitní modely pro zpracování přirozeného jazyka (NLP) a počítačové vidění, když jsou plně anotované datové sady vzácné nebo jejich produkce je prohibitivně drahá.
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., Bach, S. H., Ehrenberg, H., Fries, J., Wu, S., & Re, C. (2017). Snorkel: Rapid training data creation with weak supervision. Proceedings of the VLDB Endowment, 11(3), 269–282. DOI: 10.14778/3157794.3157797 ↗
- 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 Transformer. ScholarGate. https://scholargate.app/cs/deep-learning/weakly-supervised-transformer
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.
- Klasifikace založená na BERTHluboké učení↔ compare
- Dolaďovaný transformátorHluboké učení↔ compare
- Transformátor se samoučenímHluboké učení↔ compare
- Semi-supervised TransformerHluboké učení↔ compare
- Slabě supervizovaná klasifikace založená na BERTHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →