Weakly supervised recurrent neural network
A weakly supervised RNN trains a recurrent neural network on sequences whose labels come from imperfect sources — heuristic rules, distant supervision, crowdsourcing, or generative label models — rather than expensive expert annotation. This lets researchers exploit large unlabeled corpora for sequential tasks such as text classification, named entity recognition, or time-series prediction when fully annotated data is scarce or costly.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- 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. · URL
- Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. · DOI 10.1093/nsr/nwx106
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.