Schwach überwachter Transformer
Der schwach überwachte Transformer kombiniert die Repräsentationskraft von Transformer-Architekturen mit schwachen Überwachungsstrategien, die verrauschte, unvollständige oder programmatisch generierte Labels nutzen. Dies ermöglicht das Training hochwertiger NLP- und Visionsmodelle, selbst wenn vollständig annotierte Datensätze knapp oder deren Erstellung unerschwinglich teuer ist.
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., 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weakly Supervised Transformer. ScholarGate. https://scholargate.app/de/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-basierte KlassifikationDeep Learning↔ compare
- Fine-Tuned TransformerDeep Learning↔ compare
- Selbstüberwachter TransformerDeep Learning↔ compare
- Semisupervidierter TransformerDeep Learning↔ compare
- Schwache BERT-basierte KlassifikationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →