GRU Kendiri-Terawasi
GRU Kendiri-Terawasi melatih rangkaian Gated Recurrent Unit menggunakan isyarat penyeliaan yang dibina secara automatik — seperti ramalan langkah seterusnya atau pemulihan token yang ditopengkan — yang diperoleh daripada data tanpa label itu sendiri. Perwakilan jujukan yang dipelajari kemudiannya diselaraskan pada set data berlabel kecil, menjadikan pemodelan jujukan berkualiti tinggi boleh dilaksanakan apabila anotasi jarang.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/ms/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)Pembelajaran Mendalam↔ compare
- Long Short-Term Memory (LSTM)Pembelajaran Mendalam↔ compare
- Transformer kendiri-terlarasPembelajaran Mendalam↔ compare
- GRU Separa-SeliaPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →