Rete Neurale Ricorrente Debolmente Supervisionata
Una RNN debolmente supervisionata addestra una rete neurale ricorrente su sequenze le cui etichette provengono da fonti imperfette — regole euristiche, supervisione distante, crowdsourcing o modelli generativi di etichette — piuttosto che da costose annotazioni di esperti. Ciò consente ai ricercatori di sfruttare grandi corpus non etichettati per compiti sequenziali come la classificazione del testo, il riconoscimento di entità nominate o la previsione di serie temporali quando i dati completamente annotati sono scarsi o costosi.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/it/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.
- Unità Ricorrente con Gate (GRU)Apprendimento profondo↔ compare
- Long Short-Term Memory (LSTM)Apprendimento profondo↔ compare
- Reti neurali ricorrentiApprendimento profondo↔ compare
- LSTM a Supervisione DeboleApprendimento profondo↔ compare
- Transformer con Supervisione DeboleApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →