Machine learningDeep learning / NLP / CV
약한 지도 순환 신경망
약한 지도 순환 신경망(Weakly Supervised Recurrent Neural Network)은 전문가의 값비싼 주석 대신, 불완전한 출처(휴리스틱 규칙, 원거리 지도, 크라우드소싱 또는 생성적 레이블 모델)에서 얻은 레이블을 가진 시퀀스에 순환 신경망을 학습시킨다. 이를 통해 연구자들은 완전하게 주석이 달린 데이터가 부족하거나 비용이 많이 드는 경우, 텍스트 분류, 개체명 인식 또는 시계열 예측과 같은 순차적 작업에 대해 대규모 비주석 말뭉치를 활용할 수 있다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/ko/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.
- Gated Recurrent Unit (GRU)딥러닝↔ compare
- Long Short-Term Memory (LSTM)딥러닝↔ compare
- 순환 신경망딥러닝↔ compare
- 약지도 학습 LSTM딥러닝↔ compare
- 약지도 트랜스포머딥러닝↔ compare