Perceptron multicouche semi-supervisé
Un perceptron multicouche semi-supervisé (SSL-MLP) est un réseau neuronal à propagation avant entraîné sur un petit ensemble d'exemples étiquetés et un ensemble plus grand d'exemples non étiquetés. En combinant une perte d'entropie croisée supervisée sur les données étiquetées avec un objectif de cohérence non supervisé ou de pseudo-étiquetage sur les données non étiquetées, il extrait beaucoup plus de signal des données qu'un MLP purement supervisé entraîné uniquement sur des étiquettes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Multilayer Perceptron (SSL-MLP). ScholarGate. https://scholargate.app/fr/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.
- Perceptron multicouche affinéApprentissage profond↔ compare
- CNN convolutive semi-superviséeApprentissage profond↔ compare
- LSTM semi-superviséApprentissage profond↔ compare
- Perceptron multicouche faiblement superviséApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →