Transformer Berpenyeliaan Lemah
Transformer Berpenyeliaan Lemah menggabungkan kuasa representasi seni bina Transformer dengan strategi penyeliaan lemah yang mengeksploitasi label yang bising, tidak lengkap, atau dijana secara program — membolehkan latihan model NLP dan penglihatan berkualiti tinggi apabila set data beranotasi penuh adalah terhad atau terlalu mahal untuk dihasilkan.
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
- Ratner, A., Bach, S. H., Ehrenberg, H., Fries, J., Wu, S., & Re, C. (2017). Snorkel: Rapid training data creation with weak supervision. Proceedings of the VLDB Endowment, 11(3), 269–282. DOI: 10.14778/3157794.3157797 ↗
- Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Transformer. ScholarGate. https://scholargate.app/ms/deep-learning/weakly-supervised-transformer
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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Transformer yang Ditalar HalusPembelajaran Mendalam↔ compare
- Transformer kendiri-terlarasPembelajaran Mendalam↔ compare
- Transformer Separa-SeliaanPembelajaran Mendalam↔ compare
- Klasifikasi BERT Berbantukan Pengawasan LemahPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →