LSTM Giám sát Yếu
LSTM Giám sát Yếu huấn luyện một mạng Long Short-Term Memory trên dữ liệu chuỗi, nơi các nhãn rõ ràng, được chú thích thủ công khan hiếm hoặc vắng mặt. Thay vào đó, nhiều nguồn nhãn không hoàn hảo — quy tắc heuristic, giám sát xa, crowdsourcing, hoặc các hàm gán nhãn theo chương trình — được kết hợp để tạo ra các nhãn huấn luyện xác suất, sau đó được sử dụng để giám sát LSTM. Điều này cho phép huấn luyện có thể mở rộng trên các kho ngữ liệu lớn chưa được gán nhãn mà không cần chú thích thủ công toàn diện.
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., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Weakly Supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/vi/deep-learning/weakly-supervised-lstm
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.
- LSTM Tinh chỉnhHọc sâu↔ compare
- Mạng bộ nhớ dài-ngắn hạn (LSTM)Học sâu↔ compare
- Mạng nơ-ron hồi quyHọc sâu↔ compare
- LSTM bán giám sátHọc sâu↔ compare
- Mạng nơ-ron hồi quy được giám sát yếuHọc sâu↔ compare
- Transformer Giám sát YếuHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →