Recurrent Neuraal Netwerk met Zwakke Supervisie
Een recurrent neuraal netwerk (RNN) met zwakke supervisie traint een RNN op sequenties waarvan de labels afkomstig zijn van imperfecte bronnen — heuristische regels, verregaande supervisie, crowdsourcing, of generatieve labelmodellen — in plaats van dure expertannotatie. Dit stelt onderzoekers in staat om grote ongelabelde corpora te benutten voor sequentiële taken zoals tekstclassificatie, named entity recognition, of tijdreeksvoorspelling wanneer volledig geannoteerde gegevens schaars of kostbaar zijn.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/nl/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)Deep learning↔ compare
- Long Short-Term Memory (LSTM)Deep learning↔ compare
- Recurrent Neuraal NetwerkDeep learning↔ compare
- Zwakke gesuperviseerde LSTMDeep learning↔ compare
- Zwakke Supervised TransformerDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →