LSTM semi-supervisat
L'LSTM semi-supervisat combina la memòria seqüencial de les xarxes LSTM (Long Short-Term Memory) amb estratègies d'aprenentatge semi-supervisat, utilitzant un petit conjunt de dades etiquetades juntament amb un gran conjunt de seqüències no etiquetades. El model es pre-entrena o es regularitza amb dades no etiquetades i, posteriorment, es refina amb exemples etiquetats, aconseguint una forta generalització quan les dades etiquetades són escasses.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
- Rasmus, A., Berglund, M., Honkala, M., Valpola, H., & Raiko, T. (2015). Semi-supervised learning with ladder networks. Advances in Neural Information Processing Systems, 28. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ca/deep-learning/semi-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.
- LSTMAprenentatge profund↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Variational AutoencoderAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →