Transformer con Supervisione Debole
Il Transformer con Supervisione Debole combina la potenza rappresentativa delle architetture Transformer con strategie di supervisione debole che sfruttano etichette rumorose, incomplete o generate programmaticamente — rendendo possibile addestrare modelli NLP e di visione di alta qualità quando i dataset completamente annotati sono scarsi o proibitivamente costosi da produrre.
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., 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Weakly Supervised Transformer. ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Transformer con addestramento fine-tunedApprendimento profondo↔ compare
- Transformer auto-supervisionatoApprendimento profondo↔ compare
- Transformer semi-supervisionatoApprendimento profondo↔ compare
- Classificazione debolemente supervisionata basata su BERTApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →