Slabo nadgledana rekurentna neuronska mreža
Slabo nadgledana RNN obučava rekurentnu neuronsku mrežu na sekvencama čije su oznake potekle iz nesavršenih izvora — heurističkih pravila, udaljene supervizije, masovnog prikupljanja podataka ili generativnih modela oznaka — umesto iz skupih ekspertskih anotacija. Ovo omogućava istraživačima da iskoriste velike neoznačene korpuse za sekvencijalne zadatke kao što su klasifikacija teksta, prepoznavanje imenovanih entiteta ili predviđanje vremenskih serija kada su potpuno anotirani podaci oskudni ili skupi.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Recurrent Neural Network. ScholarGate. https://scholargate.app/sr/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)Duboko učenje↔ compare
- Long Short-Term Memory (LSTM)Duboko učenje↔ compare
- Рекурентна неуронска мрежаDuboko učenje↔ compare
- Слабо надгледани LSTMDuboko učenje↔ compare
- Слабо надгледани ТрансформерDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →