Semi-supervised LSTM
Semi-supervised LSTM kombinuje sekvenční paměť sítí Long Short-Term Memory s polo-dohledovými učícími strategiemi – využívá malou označenou datovou sadu spolu s velkým množstvím neoznačených sekvencí. Model je předtrénován nebo regularizován na neoznačených datech, poté je doladěn na označených příkladech, což přináší silnou generalizaci, když jsou označená data vzácná.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/cs/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.
- LSTMHluboké učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →