Słabo nadzorowana rekurencyjna sieć neuronowa
Słabo nadzorowana rekurencyjna sieć neuronowa (RNN) trenuje się na sekwencjach, których etykiety pochodzą z niedoskonałych źródeł — reguł heurystycznych, nadzoru odległego, crowdsourcingu lub generatywnych modeli etykiet — zamiast z kosztownych adnotacji eksperckich. Pozwala to badaczom wykorzystać duże korpusy nieoznakowane do zadań sekwencyjnych, takich jak klasyfikacja tekstu, rozpoznawanie jednostek nazwanych czy prognozowanie szeregów czasowych, gdy pełne dane z adnotacjami są rzadkie lub kosztowne.
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 Recurrent Neural Network. ScholarGate. https://scholargate.app/pl/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)Uczenie głębokie↔ compare
- Długa pamięć krótkotrwała (LSTM)Uczenie głębokie↔ compare
- Rekurencyjna Sieć NeuronowaUczenie głębokie↔ compare
- Słabo nadzorowany LSTMUczenie głębokie↔ compare
- Słabo nadzorowany TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →