Słabo nadzorowany LSTM
Słabo nadzorowany LSTM trenuje rekurencyjną sieć pamięci długoterminowej (Long Short-Term Memory) na danych sekwencyjnych, dla których czyste, ręcznie oznaczone etykiety są rzadkie lub nieobecne. Zamiast tego, wiele niedoskonałych źródeł etykiet – heurystyczne reguły, odległy nadzór, crowdsourcing lub programistyczne funkcje etykietujące – jest łączonych w celu wyprodukowania probabilistycznych etykiet treningowych, które następnie służą do nadzorowania LSTM. Pozwala to na skalowalne trenowanie na dużych korpusach bez etykiet, bez wyczerpującego ręcznego anotowania.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/pl/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.
- Dostrojona sieć LSTMUczenie głębokie↔ compare
- Długa pamięć krótkotrwała (LSTM)Uczenie głębokie↔ compare
- Rekurencyjna Sieć NeuronowaUczenie głębokie↔ compare
- Półnadzorowane sieci LSTMUczenie głębokie↔ compare
- Słabo nadzorowana rekurencyjna sieć neuronowaUczenie głębokie↔ compare
- Słabo nadzorowany TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →