GRU Débilmente Supervisado
El GRU Débilmente Supervisado entrena una red Gated Recurrent Unit (GRU) con secuencias etiquetadas por fuentes imperfectas, heurísticas o programáticas, en lugar de datos de referencia anotados manualmente y costosos. Combina la eficiencia del GRU para capturar dependencias temporales con técnicas de supervisión débil que agregan etiquetas ruidosas, permitiendo el modelado de secuencias de forma práctica cuando no se dispone de grandes conjuntos de datos completamente etiquetados.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Ratner, A. J., De Sa, C. M., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Chung, J., Gulcehre, C., Cho, K., & Bengio, Y. (2014). Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling. NIPS 2014 Workshop on Deep Learning. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/es/deep-learning/weakly-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.
- Unidad Recurrente con Compuertas (GRU)Aprendizaje profundo↔ compare
- Memoria a Largo Plazo (LSTM)Aprendizaje profundo↔ compare
- Red Neuronal RecurrenteAprendizaje profundo↔ compare
- GRU semi-supervisadoAprendizaje profundo↔ compare
- LSTM débilmente supervisadoAprendizaje profundo↔ compare
- Transformador con Supervisión DébilAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →