Трансформер із напівкерованим навчанням
Напівкероване навчання з використанням архітектур Трансформерів використовує великі обсяги нерозмічених даних разом із невеликим набором розмічених даних для тренування потужних послідовних моделей. Домінуючий шаблон — як-от BERT — спочатку попередньо тренує Трансформер на нерозмічених даних за допомогою самокерованих завдань, таких як передбачення маскованих токенів, а потім доналаштовує його для конкретного завдання. Цей двоступеневий підхід значно зменшує потребу в розмічених даних для досягнення високої продуктивності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Джерела
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Zoph, B., Ghiasi, G., Lin, T.-Y., Cui, Y., Liu, H., Cubuk, E. D., & Le, Q. V. (2020). Rethinking Pre-training and Self-training. Advances in Neural Information Processing Systems (NeurIPS), 33, 3833–3845. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Learning with Transformer Architectures. ScholarGate. https://scholargate.app/uk/deep-learning/semi-supervised-transformer
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.
- Класифікація на основі BERTГлибоке навчання↔ compare
- Трансформер з доналаштуваннямГлибоке навчання↔ compare
- Класифікація на основі RoBERTaГлибоке навчання↔ compare
- Трансформер із самокерованим навчаннямГлибоке навчання↔ compare
- Напівкерована згорткова нейронна мережаГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →