Machine learningDeep learning / NLP / CV
弱教師ありLSTM
弱教師ありLSTMは、クリーンで手動でアノテーションされたラベルが不足しているか、全く存在しないシーケンスデータに対して、Long Short-Term Memoryネットワークを訓練します。代わりに、ヒューリスティックルール、遠隔教師あり学習、クラウドソーシング、プログラムによるラベリング関数など、複数の不完全なラベルソースを組み合わせて確率的な訓練ラベルを生成し、これを用いてLSTMを教師します。これにより、網羅的な人間によるアノテーションなしに、大規模な未ラベルコーパスでのスケーラブルな訓練が可能になります。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Weakly Supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ja/deep-learning/weakly-supervised-lstm
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.
- ファインチューニングLSTM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LSTM深層学習↔ compare
- 弱教師ありリカレントニューラルネットワーク深層学習↔ compare
- 弱教師ありTransformer深層学習↔ compare