Transformeur faiblement supervisé
Le Transformeur faiblement supervisé combine la puissance de représentation des architectures Transformer avec des stratégies de supervision faible qui exploitent des étiquettes bruitées, incomplètes ou générées par programme — rendant possible l'entraînement de modèles NLP et de vision de haute qualité lorsque les jeux de données entièrement annotés sont rares ou prohibitivement coûteux à produire.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Ratner, A., Bach, S. H., Ehrenberg, H., Fries, J., Wu, S., & Re, C. (2017). Snorkel: Rapid training data creation with weak supervision. Proceedings of the VLDB Endowment, 11(3), 269–282. DOI: 10.14778/3157794.3157797 ↗
- Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Weakly Supervised Transformer. ScholarGate. https://scholargate.app/fr/deep-learning/weakly-supervised-transformer
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.
- Classification basée sur BERTApprentissage profond↔ compare
- Transformer affinéApprentissage profond↔ compare
- Transformer auto-superviséApprentissage profond↔ compare
- Transformeur semi-superviséApprentissage profond↔ compare
- Classification par BERT sous supervision faibleApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →