Polu-nadgledani LSTM
Polu-nadgledani LSTM kombinira sekvencijalno pamćenje mreža dugoročne kratkoročne memorije (Long Short-Term Memory - LSTM) sa strategijama polu-nadgledanog učenja — koristeći malu označenu bazu podataka uz veliki skup neoznačenih sekvenci. Model se pred-obučava ili regularizira na neoznačenim podacima, a zatim fino podešava na označenim primjerima, pružajući snažnu generalizaciju kada je označenih podataka malo.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/hr/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.
- LSTMDuboko učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →