Heikosti valvottu GRU
Heikosti valvottu GRU (Weakly Supervised GRU) kouluttaa porttikoneistettua rekurrenttia yksikköverkkoa (Gated Recurrent Unit, GRU) sekvensseillä, jotka on merkitty epätäydellisillä, heuristisilla tai ohjelmallisilla lähteillä kalliin käsin annotoidun totuusdatan sijaan. Se yhdistää GRU:n tehokkuuden ajallisten riippuvuuksien mallintamisessa heikosti valvottuihin tekniikoihin, jotka aggregoivat kohinaisia merkintöjä, mahdollistaen käytännöllisen sekvenssimallinnuksen, kun suuria, täysin merkittyjä aineistoja ei ole saatavilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Weakly Supervised Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/fi/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)Syväoppiminen↔ compare
- Pitkä lyhytkestoinen muisti (LSTM)Syväoppiminen↔ compare
- Rekurrentti neuroverkkoSyväoppiminen↔ compare
- Semi-supervised GRUSyväoppiminen↔ compare
- Heikosti ohjattu LSTMSyväoppiminen↔ compare
- Heikosti valvottu TransformerSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →