ScholarGate
Asisten
Machine learningDeep learning / NLP / CV

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.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Chapelle, O., Scholkopf, B. & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
  2. 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.

Compare side by side

Dirujuk oleh

ScholarGateSemi-supervised Multilayer Perceptron (Semi-supervised Multilayer Perceptron (SSL-MLP)). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/semi-supervised-multilayer-perceptron · Set data: https://doi.org/10.5281/zenodo.20539026