Mạng nơ-ron hồi quy được giám sát yếu
Một mạng nơ-ron hồi quy (RNN) được giám sát yếu huấn luyện trên các chuỗi có nhãn đến từ các nguồn không hoàn hảo — quy tắc heuristic, giám sát từ xa, crowdsourcing hoặc các mô hình nhãn sinh — thay vì chú thích chuyên gia tốn kém. Điều này cho phép các nhà nghiên cứu khai thác các kho ngữ liệu lớn chưa được gán nhãn cho các tác vụ tuần tự như phân loại văn bản, nhận dạng thực thể có tên hoặc dự đoán chuỗi thời gian khi dữ liệu được gán nhãn đầy đủ khan hiếm hoặc tốn kém.
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 Recurrent Neural Network. ScholarGate. https://scholargate.app/vi/deep-learning/weakly-supervised-recurrent-neural-network
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
- LSTM 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 →