Heikosti ohjattu LSTM
Heikosti ohjattu LSTM kouluttaa pitkäkestoista lyhytkestoista muistiverkkoa (Long Short-Term Memory, LSTM) sekvenssidatalle, jossa puhtaat, manuaalisesti annotoidut etiketit ovat niukkoja tai puuttuvat. Sen sijaan yhdistetään useita epätäydellisiä etiketilhteitä – heuristisia sääntöjä, etävalvontaa, joukkoistamista tai ohjelmallisia etiketöintifunktioita – tuottamaan todennäköisyyspohjaisia koulusetiketöjä, joita sitten käytetään LSTM:n ohjaamiseen. Tämä mahdollistaa skaalautuvan koulutuksen suurilla merkitsemättömillä aineistoilla ilman työlästä ihmisanootausta.
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., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Weakly Supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/fi/deep-learning/weakly-supervised-lstm
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.
- Hienosäädetty LSTMSyväoppiminen↔ compare
- Pitkä lyhytkestoinen muisti (LSTM)Syväoppiminen↔ compare
- Rekurrentti neuroverkkoSyväoppiminen↔ compare
- Semi-supervised LSTMSyväoppiminen↔ compare
- Heikosti ohjattu rekurrentti neuroverkkoSyväoppiminen↔ compare
- Heikosti valvottu TransformerSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →