Itseohjautuva GRU
Itseohjautuva GRU kouluttaa Gated Recurrent Unit -verkkoa käyttäen automaattisesti muodostettuja ohjaussignaaleja – kuten seuraavan askeleen ennustamista tai maskatun tunnuksen palauttamista – jotka on johdettu itse merkitsemättömästä datasta. Opitut sekvenssiesitykset hienosäädetään sitten pienillä merkityillä aineistoilla, mikä tekee korkealaatuisesta sekvenssimallinnuksesta mahdollista, kun annotaatioita on vähän.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014. link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2023). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/fi/deep-learning/self-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)Syväoppiminen↔ compare
- Pitkä lyhytkestoinen muisti (LSTM)Syväoppiminen↔ compare
- Itsearvioitu TransformerSyväoppiminen↔ compare
- Semi-supervised GRUSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →