Svagt superviseret Transformer
Svagt superviseret Transformer kombinerer repræsentationskraften af Transformer-arkitekturer med svage supervisionsstrategier, der udnytter støjende, ufuldstændige eller programmatisk genererede etiketter — hvilket gør det muligt at træne NLP- og visionsmodeller af høj kvalitet, når fuldt annoterede datasæt er knappe eller uoverkommeligt dyre at producere.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Weakly Supervised Transformer. ScholarGate. https://scholargate.app/da/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.
- BERT-baseret klassifikationDyb læring↔ compare
- Fintunet TransformerDyb læring↔ compare
- Selv-overvåget TransformerDyb læring↔ compare
- Semi-superviseret TransformerDyb læring↔ compare
- Svagt superviseret BERT-baseret klassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →