Transformador con Supervisión Débil
El Transformador con Supervisión Débil combina el poder representacional de las arquitecturas Transformer con estrategias de supervisión débil que explotan etiquetas ruidosas, incompletas o generadas programáticamente, lo que permite entrenar modelos de PNL y visión de alta calidad cuando los conjuntos de datos completamente anotados son escasos o prohibitivamente caros de producir.
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., 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Transformer. ScholarGate. https://scholargate.app/es/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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Transformer Ajustado FinamenteAprendizaje profundo↔ compare
- Transformer auto-supervisadoAprendizaje profundo↔ compare
- Transformer semi-supervisadoAprendizaje profundo↔ compare
- Clasificación basada en BERT con supervisión débilAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →