Multilayer Perceptron Semi-terawasi
Multilayer Perceptron semi-terawasi (SSL-MLP) adalah jaringan saraf feedforward yang dilatih pada sejumlah kecil contoh berlabel bersama dengan sejumlah besar contoh tidak berlabel. Dengan menggabungkan kerugian cross-entropy terawasi pada data berlabel dengan objektif konsistensi tak terawasi atau pseudo-label pada data tidak berlabel, ia mengekstrak sinyal yang jauh lebih banyak dari data daripada MLP yang murni terawasi yang dilatih hanya pada label.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised Multilayer Perceptron (SSL-MLP). ScholarGate. https://scholargate.app/id/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.
- Multilayer Perceptron yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Convolutional Neural Network Semi-terawasiPembelajaran Mendalam↔ compare
- LSTM Semi-TerawasiPembelajaran Mendalam↔ compare
- Multilayer Perceptron dengan Pengawasan LemahPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →