Rede Neural Recorrente Fracamente Supervisionada
Uma RNN fracamente supervisionada treina uma rede neural recorrente em sequências cujos rótulos provêm de fontes imperfeitas — regras heurísticas, supervisão distante, crowdsourcing ou modelos de rótulos generativos — em vez de anotação especializada cara. Isso permite que pesquisadores explorem grandes corpora não rotulados para tarefas sequenciais, como classificação de texto, reconhecimento de entidade nomeada ou previsão de séries temporais, quando dados totalmente anotados são escassos ou caros.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/pt/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.
- Unidade Recorrente Gated (GRU)Aprendizado profundo↔ compare
- Long Short-Term Memory (LSTM)Aprendizado profundo↔ compare
- Rede Neural RecorrenteAprendizado profundo↔ compare
- LSTM Supervision WeakAprendizado profundo↔ compare
- Transformer Supervisionada FracamenteAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →