Svakt veiledet LSTM
Svakt veiledet LSTM trener et Long Short-Term Memory-nettverk på sekvensdata der rene, manuelt annoterte etiketter er knappe eller fraværende. I stedet kombineres flere ufullkomne etikettkilder – heuristiske regler, fjernovervåking, folkefinansiering eller programmatiske merkelapper – for å produsere probabilistiske treningsetiketter, som deretter brukes til å overvåke LSTM-en. Dette muliggjør skalerbar trening på store umerkede korpora uten uttømmende menneskelig annotering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Weakly Supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/no/deep-learning/weakly-supervised-lstm
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.
- Finjustert LSTMDyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
- Semi-supervised LSTMDyp læring↔ compare
- Svakt veiledet tilbakevendende nevralt nettverkDyp læring↔ compare
- Svakt veiledet TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →