Poolitatud GRU
Poolitatud GRU rakendab Gated Recurrent Unit (GRU) arhitektuuri stsenaariumides, kus järjestikustest andmetest on märgistatud vaid väike osa. Eeltreenides või ühistreeningut tehes rohkete märgistamata järjestuste peal – keelemodeleerimise, auto-kodeerimise või konsistentsusregularisatsiooni abil – ja seejärel märgistatud näidiste peal peenhäälestades, kasutab mudel kogu korpust rikkamate järjestusrepresentatsioonide õppimiseks, mida ainult juhendatud õpe üksi ei võimaldaks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Dai, A. M., & Le, Q. V. (2015). Semi-supervised Sequence Learning. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. EMNLP 2014. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/et/deep-learning/semi-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)Süvaõpe↔ compare
- Long Short-Term Memory (LSTM)Süvaõpe↔ compare
- Enesijuhtiv GRUSüvaõpe↔ compare
- Poolitatud LSTMSüvaõpe↔ compare
- Poolitatud TransformerSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →