پرسپترون چندلایه نیمهنظارتشده
پرسپترون چندلایه نیمهنظارتشده (SSL-MLP) یک شبکه عصبی پیشخور است که با مجموعهای کوچک از نمونههای برچسبدار همراه با مجموعهای بزرگتر از نمونههای بدون برچسب آموزش میبیند. با ترکیب تابع زیان آنتروپی متقاطع نظارتشده بر روی دادههای برچسبدار با یک هدف سازگاری بدون نظارت یا شبهبرچسب بر روی دادههای بدون برچسب، این مدل سیگنال بسیار بیشتری را از دادهها استخراج میکند تا یک MLP کاملاً نظارتشده که تنها با برچسبها آموزش دیده است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Multilayer Perceptron (SSL-MLP). ScholarGate. https://scholargate.app/fa/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.
- یادگیری چندلایه از پیش تنظیم شده (Fine-Tuned Multilayer Perceptron)یادگیری عمیق↔ compare
- شبکه عصبی کانولوشنی نیمهنظارتشدهیادگیری عمیق↔ compare
- یادگیرنده کوتاهمدت حافظه طولانی نیمهنظارتشده (Semi-supervised LSTM)یادگیری عمیق↔ compare
- پرسپترون چندلایه با نظارت ضعیفیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →