Слабкокерований GRU
Слабкокерований GRU (Weakly Supervised GRU) тренує мережу Gated Recurrent Unit на послідовностях, розмічених недосконалими, евристичними або програмними джерелами, а не дорогою розміченою вручну істинною розміткою. Він поєднує ефективність GRU у захопленні часових залежностей з техніками слабкого керування, які агрегують зашумлені мітки, що дозволяє практично моделювати послідовності, коли великі повністю розмічені набори даних недоступні.
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
- Ratner, A. J., De Sa, C. M., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Chung, J., Gulcehre, C., Cho, K., & Bengio, Y. (2014). Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling. NIPS 2014 Workshop on Deep Learning. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Weakly Supervised Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/uk/deep-learning/weakly-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
- Рекурентна нейронна мережаГлибоке навчання↔ compare
- Напівкерована GRUГлибоке навчання↔ compare
- LSTM зі слабким наглядомГлибоке навчання↔ compare
- Трансформер зі слабким наглядомГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →