Słabo nadzorowany Transformer
Słabo nadzorowany Transformer łączy moc reprezentacji architektur Transformer z strategiami słabego nadzoru, które wykorzystują zaszumione, niekompletne lub programowo generowane etykiety — umożliwiając trenowanie wysokiej jakości modeli NLP i wizyjnych, gdy w pełni anotowane zbiory danych są rzadkie lub ich produkcja jest zbyt kosztowna.
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., 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Transformer. ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Dostrojony TransformerUczenie głębokie↔ compare
- Samo-nadzorowany TransformerUczenie głębokie↔ compare
- Transformery z uczeniem półnadzorowanymUczenie głębokie↔ compare
- Klasyfikacja BERT oparta na słabym nadzorzeUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →