GRU Yếu có Giám sát
GRU Yếu có Giám sát huấn luyện một mạng Gated Recurrent Unit trên các chuỗi được gán nhãn bởi các nguồn không hoàn hảo, dựa trên quy tắc hoặc theo chương trình thay vì dữ liệu thực tế được gán nhãn thủ công tốn kém. Nó kết hợp hiệu quả của GRU trong việc nắm bắt các phụ thuộc thời gian với các kỹ thuật giám sát yếu tổng hợp các nhãn nhiễu, cho phép mô hình hóa chuỗi thực tế khi không có tập dữ liệu được gán nhãn đầy đủ lớn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Weakly Supervised Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/vi/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.
- Cổng Lặp Lại Có Cổng (GRU)Học sâu↔ compare
- Mạng bộ nhớ dài-ngắn hạn (LSTM)Học sâu↔ compare
- Mạng nơ-ron hồi quyHọc sâu↔ compare
- GRU bán giám sátHọc sâu↔ compare
- LSTM Giám sát YếuHọc sâu↔ compare
- Transformer Giám sát YếuHọc sâu↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →