Selv-overvåget GRU
Selv-overvåget GRU træner et Gated Recurrent Unit-netværk ved hjælp af automatisk konstruerede overvågningssignaler — såsom forudsigelse af næste trin eller gendannelse af maskerede tokens — udledt fra de umærkede data selv. De lærte sekvensrepræsentationer finjusteres derefter på små mærkede datasæt, hvilket gør sekventiel modellering af høj kvalitet mulig, når annotationer er knappe.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014. link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2023). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/da/deep-learning/self-supervised-gru
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)Dyb læring↔ compare
- Long Short-Term Memory (LSTM)Dyb læring↔ compare
- Selv-overvåget TransformerDyb læring↔ compare
- Semi-superviseret GRUDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →