Machine learningDeep learning / NLP / CV
Weakly Supervised GRU
Weakly Supervised GRUは、高価な手作業による正解ラベルではなく、不完全、ヒューリスティック、またはプログラム的なソースによってラベル付けされたシーケンスに対してGated Recurrent Unit（GRU）ネットワークを訓練する手法である。これは、GRUの時間的依存関係を捉える効率性と、ノイズの多いラベルを集約する弱教師あり学習技術を組み合わせることで、大規模な完全ラベル付きデータセットが入手できない場合に実用的なシーケンスモデリングを可能にする。
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
- Ratner, A. J., De Sa, C. M., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Chung, J., Gulcehre, C., Cho, K., & Bengio, Y. (2014). Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling. NIPS 2014 Workshop on Deep Learning. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Weakly Supervised Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/ja/deep-learning/weakly-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
- リカレントニューラルネットワーク (RNN)深層学習↔ compare
- 半教師ありGRU (Semi-supervised GRU)深層学習↔ compare
- 弱教師ありLSTM深層学習↔ compare
- 弱教師ありTransformer深層学習↔ compare