Machine learningDeep learning / NLP / CV
半教師ありGRU (Semi-supervised GRU)
半教師ありGRUは、系列データのごく一部のみがラベル付けされている設定にゲート付き回帰型ユニット (Gated Recurrent Unit: GRU) アーキテクチャを適用するものです。言語モデリング、オートエンコーディング、または一貫性正則化を通じて、豊富なラベルなし系列で事前にトレーニングするか、同時にトレーニングしてから、ラベル付きサンプルでファインチューニングすることにより、モデルは教師ありのみのトレーニングでは不可能な、より豊かな系列表現を学習するためにコーパス全体を活用します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Dai, A. M., & Le, Q. V. (2015). Semi-supervised Sequence Learning. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. EMNLP 2014. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/ja/deep-learning/semi-supervised-gru
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)深層学習↔ compare
- Long Short-Term Memory (LSTM)深層学習↔ compare
- 自己教師ありGRU深層学習↔ compare
- 半教師ありLSTM深層学習↔ compare
- 半教師ありTransformer深層学習↔ compare