Nõrgalt juhendatud GRU
Nõrgalt juhendatud GRU (Weakly Supervised GRU) treenib Gated Recurrent Unit võrku järjestuste peal, mida on märgistatud ebatäiuslike, heuristiliste või programmiliste allikatega, mitte kuluka käsitsi annotatsiooniga tõese seisundi (ground truth) asemel. See ühendab GRU tõhususe ajasõltuvuste jäädvustamisel nõrga juhendamise tehnikatega, mis koondavad mürarohkeid märgiseid, võimaldades praktilist järjestuste modelleerimist, kui suuri täielikult märgistatud andmestikke pole saadaval.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Weakly Supervised Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/et/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.
- Gated Recurrent Unit (GRU)Süvaõpe↔ compare
- Long Short-Term Memory (LSTM)Süvaõpe↔ compare
- Korduv närvivõrkSüvaõpe↔ compare
- Poolitatud GRUSüvaõpe↔ compare
- Nõrgalt juhendatud LSTMSüvaõpe↔ compare
- Nõrgalt juhendatud TransformerSüvaõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →