Semi-supervised LSTM
Semi-supervised LSTM kombinerer den sekventielle hukommelse fra Long Short-Term Memory-netværk med semi-supervised læringsstrategier – ved at anvende et lille mærket datasæt sammen med en stor pulje af umærkede sekvenser. Modellen fortrænes eller regulariseres på umærkede data og finjusteres derefter på mærkede eksempler, hvilket giver stærk generalisering, når mærkede data er knappe.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/da/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.
- LSTMDyb læring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- Variational AutoencoderDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →