Напівкерована GRU
Напівкерована GRU застосовує архітектуру Gated Recurrent Unit (GRU) до умов, де лише невелика частина послідовних даних є розміченою. Шляхом попереднього або спільного навчання на великій кількості нерозмічених послідовностей — за допомогою мовного моделювання, автокодування або регуляризації узгодженості — а потім доналаштування на розмічених прикладах, модель використовує весь корпус для вивчення багатших представлень послідовностей, ніж це дозволило б лише кероване навчання.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Dai, A. M., & Le, Q. V. (2015). Semi-supervised Sequence Learning. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. EMNLP 2014. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Gated Recurrent Unit. ScholarGate. https://scholargate.app/uk/deep-learning/semi-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.
- Блокований рекурентний блок (GRU)Глибоке навчання↔ compare
- Довга короткострокова пам'ять (LSTM)Глибоке навчання↔ compare
- Самокерований GRUГлибоке навчання↔ compare
- Напівкерована LSTMГлибоке навчання↔ compare
- Трансформер із напівкерованим навчаннямГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →