Selbstüberwachtes GRU
Ein selbstüberwachtes GRU trainiert ein Gated Recurrent Unit-Netzwerk unter Verwendung automatisch konstruierter Überwachungssignale – wie Vorhersage des nächsten Schritts oder Wiederherstellung maskierter Token –, die aus den unbeschrifteten Daten selbst abgeleitet werden. Die erlernten Sequenzrepräsentationen werden dann auf kleinen beschrifteten Datensätzen feinabgestimmt, wodurch qualitativ hochwertige Sequenzmodellierung möglich wird, wenn Annotationen knapp sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Self-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/de/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)Deep Learning↔ compare
- Long Short-Term Memory (LSTM)Deep Learning↔ compare
- Selbstüberwachter TransformerDeep Learning↔ compare
- Semi-supervised GRUDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →