Självövervakad GRU
Självövervakad GRU tränar ett Gated Recurrent Unit-nätverk med hjälp av automatiskt konstruerade övervakningssignaler – såsom nästa-stegs prediktion eller maskerad token-återhämtning – härledda från själva den omärkta datan. De inlärda sekvensrepresentationerna finjusteras sedan på små märkta dataset, vilket gör högkvalitativ sekvensmodellering möjlig när annoteringar är knappa.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/sv/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.
- Gated Recurrent Unit (GRU)Djupinlärning↔ compare
- Long Short-Term Memory (LSTM)Djupinlärning↔ compare
- Självövervakad TransformerDjupinlärning↔ compare
- Semi-supervised GRUDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →