Semi-overvåget Multilayer Perceptron
Et semi-overvåget multilayer perceptron (SSL-MLP) er et feedforward neuralt netværk trænet på en lille pulje af annoterede eksempler sammen med en større pulje af uannoterede eksempler. Ved at kombinere superviseret krydsentropi-tab på annoterede data med en uovervåget konsistens- eller pseudo-label-målsætning på uannoterede data, udtrækker det langt mere signal fra dataene end et rent superviseret MLP trænet udelukkende på annoteringer.
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
- Chapelle, O., Scholkopf, B. & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Lee, D.-H. (2013). Pseudo-label: The simple and efficient semi-supervised learning method for deep neural networks. ICML 2013 Workshop on Challenges in Representation Learning. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Multilayer Perceptron (SSL-MLP). ScholarGate. https://scholargate.app/da/deep-learning/semi-supervised-multilayer-perceptron
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.
- Finetunet Multilags PerceptronDyb læring↔ compare
- Semi-overvåget Convolutional Neural NetworkDyb læring↔ compare
- Semi-supervised LSTMDyb læring↔ compare
- Svagt Overvåget Multilayer PerceptronDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →