Επίβλεπτη Πολυεπίπεδη Αντίληψη (Semi-supervised Multilayer Perceptron)
Ένα επίβλεπτο πολυεπίπεδο αντίληψης (SSL-MLP) είναι ένα νευρωνικό δίκτυο προς τα εμπρός (feedforward neural network) που εκπαιδεύεται σε μια μικρή ομάδα επισημασμένων παραδειγμάτων μαζί με μια μεγαλύτερη ομάδα μη επισημασμένων παραδειγμάτων. Συνδυάζοντας την επίβλεπτη απώλεια διασταυρούμενης εντροπίας (cross-entropy loss) στα επισημασμένα δεδομένα με έναν μη επιβλεπτο στόχο συνέπειας (consistency) ή ψευδο-ετικέτας (pseudo-label) στα μη επισημασμένα δεδομένα, εξάγει πολύ περισσότερο σήμα από τα δεδομένα από ένα αμιγώς επίβλεπτο MLP που εκπαιδεύεται μόνο με ετικέτες.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Semi-supervised Multilayer Perceptron (SSL-MLP). ScholarGate. https://scholargate.app/el/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.
- Προσαρμοσμένο Πολυεπίπεδο Αντιληπτήριο (Fine-Tuned Multilayer Perceptron)Βαθιά Μάθηση↔ compare
- Ημι-εποπτευόμενο Συνελικτικό Νευρωνικό ΔίκτυοΒαθιά Μάθηση↔ compare
- Ημι-επιβλεπόμενο LSTMΒαθιά Μάθηση↔ compare
- Πολυεπίπεδος Αντιληπτικός Νευρώνας με Αδύναμη ΕπίβλεψηΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →