Schwache rekurrente neuronale Netze
Ein schwach überwachtes RNN trainiert ein rekurrente neuronales Netz auf Sequenzen, deren Labels aus unvollkommenen Quellen stammen – heuristische Regeln, entfernte Überwachung, Crowdsourcing oder generative Label-Modelle – anstatt aus teuren Expertenannotationen. Dies ermöglicht es Forschern, große unbeschriftete Korpora für sequentielle Aufgaben wie Textklassifizierung, Named-Entity-Erkennung oder Zeitreihenvorhersage zu nutzen, wenn vollständig annotierte Daten knapp oder kostspielig 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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/de/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)Deep Learning↔ compare
- Long Short-Term Memory (LSTM)Deep Learning↔ compare
- Rekurrentes neuronales NetzDeep Learning↔ compare
- Schwache überwachte LSTMDeep Learning↔ compare
- Schwach überwachter TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →