GRU تحت نظارت ضعیف (Weakly Supervised GRU)
GRU تحت نظارت ضعیف، یک شبکه واحد تکرارشونده دروازهای (Gated Recurrent Unit) را بر روی دنبالههایی آموزش میدهد که به جای دادههای حقیقیِ برچسبگذاریشده با دست، با منابع ناقص، اکتشافی یا برنامهنویسیشده برچسبگذاری شدهاند. این روش، کارایی GRU را در ثبت وابستگیهای زمانی با تکنیکهای نظارت ضعیف که برچسبهای نویزی را تجمیع میکنند، ترکیب میکند و امکان مدلسازی دنباله را در غیاب مجموعه دادههای بزرگ و کاملاً برچسبگذاریشده، عملی میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Weakly Supervised Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/fa/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.
- واحد تکرارشونده گیتدار (GRU)یادگیری عمیق↔ compare
- حافظه طولانی کوتاهمدت (LSTM)یادگیری عمیق↔ compare
- شبکه عصبی بازگشتییادگیری عمیق↔ compare
- یادگیری عمیق نیمهنظارتی با واحد بازگشتی دروازهای (Semi-supervised GRU)یادگیری عمیق↔ compare
- شبکه حافظه طولانی کوتاه (LSTM) تحت نظارت ضعیف (Weakly Supervised LSTM)یادگیری عمیق↔ compare
- ترنسفورمر با نظارت ضعیفیادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →