Multilayer Perceptron Semi-supervisionato
Un multilayer perceptron semi-supervisionato (SSL-MLP) è una rete neurale feedforward addestrata su un piccolo insieme di esempi etichettati insieme a un insieme più ampio di esempi non etichettati. Combinando la perdita di cross-entropy supervisionata sui dati etichettati con un obiettivo di consistenza non supervisionata o pseudo-etichettatura sui dati non etichettati, estrae un segnale molto maggiore dai dati rispetto a un MLP puramente supervisionato addestrato solo sulle etichette.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Multilayer Perceptron (SSL-MLP). ScholarGate. https://scholargate.app/it/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.
- Percettrone Multistrato Ottimizzato (Fine-Tuned Multilayer Perceptron)Apprendimento profondo↔ compare
- Reti neurali convoluzionali semi-supervisionateApprendimento profondo↔ compare
- LSTM semi-supervisionatoApprendimento profondo↔ compare
- Multilayer Perceptron Debolmente SupervisionatoApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →