Slabo nadzirana rekurentna neuronska mreža
Slabo nadzirana RNN trenira rekurentnu neuronsku mrežu na sekvencama čije oznake potječu iz nesavršenih izvora — heurističkih pravila, udaljene supervizije, crowdsourcinga ili generativnih modela oznaka — umjesto iz skupih stručnih anotacija. Ovo omogućuje istraživačima da iskoriste velike neoznačene korpuse za sekvencijalne zadatke kao što su klasifikacija teksta, prepoznavanje imenovanih entiteta ili predviđanje vremenskih serija kada su potpuno označeni podaci oskudni ili skupi.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/hr/deep-learning/weakly-supervised-recurrent-neural-network
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)Duboko učenje↔ compare
- Dugo kratkoročno pamćenje (LSTM)Duboko učenje↔ compare
- Rekurentna neuronska mrežaDuboko učenje↔ compare
- Slaba nadzirana LSTM mrežaDuboko učenje↔ compare
- Slabo nadgledani TransformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →