Gyengén felügyelt rekurrens neurális hálózat
A gyengén felügyelt RNN rekurrens neurális hálózatot olyan szekvenciákon tanít, amelyek címkéi nem tökéletes forrásokból származnak –Heurisztikus szabályok, távoli felügyelet, tömeges adatgyűjtés vagy generatív címkemodellek –, szemben a költséges szakértői annotációval. Ez lehetővé teszi a kutatók számára, hogy nagyméretű, címkézetlen korpuszokat használjanak fel szekvenciális feladatokhoz, mint például szövegosztályozás, elnevezett entitások felismerése vagy idősor-előrejelzés, amikor a teljes körűen annotált adatok hiányosak vagy költségesek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/hu/deep-learning/weakly-supervised-recurrent-neural-network
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Gated Recurrent Unit (GRU)Mélytanulás↔ összehasonlítás
- Long Short-Term Memory (LSTM)Mélytanulás↔ összehasonlítás
- Rekurrens neurális hálózatMélytanulás↔ összehasonlítás
- Gyengén felügyelt LSTMMélytanulás↔ összehasonlítás
- Gyengén Felügyelt TranszformerMélytanulás↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →