GRU auto-supervisionada
A GRU auto-supervisionada treina uma rede Gated Recurrent Unit (GRU) usando sinais de supervisão construídos automaticamente — como predição do próximo passo ou recuperação de tokens mascarados — derivados dos próprios dados não rotulados. As representações de sequência aprendidas são então ajustadas em pequenos conjuntos de dados rotulados, tornando a modelagem sequencial de alta qualidade viável quando as anotações são escassas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014. link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2023). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/pt/deep-learning/self-supervised-gru
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.
- Unidade Recorrente Gated (GRU)Aprendizado profundo↔ compare
- Long Short-Term Memory (LSTM)Aprendizado profundo↔ compare
- Transformer Auto-supervisionadoAprendizado profundo↔ compare
- GRU Semi-supervisionadoAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →