Pašuzraudzītā GRU
Pašuzraudzītā GRU apmāca Gated Recurrent Unit (GRU) tīklu, izmantojot automātiski izveidotus uzraudzības signālus — piemēram, nākamā soļa prognozēšanu vai maskēto simbolu atgūšanu —, kas iegūti no pašiem neapzīmētajiem datiem. Iegūtās secību reprezentācijas pēc tam tiek smalki noregulētas uz maziem apzīmētiem datu kopumiem, padarot augstas kvalitātes secību modelēšanu iespējamu, kad anotācijas ir maz.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014. link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2023). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/lv/deep-learning/self-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)Dziļā mācīšanās↔ compare
- Atmiņas ilgtermiņa īstermiņa (LSTM) arhitektūraDziļā mācīšanās↔ compare
- Pašuzraudzības TransformerDziļā mācīšanās↔ compare
- Pusuzraudzīts GRUDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →