Machine learningDeep learning / NLP / CV
半教師ありLSTM
半教師ありLSTMは、Long Short-Term Memory（LSTM）ネットワークの逐次記憶能力と、少数のラベル付きデータセットと多数のラベルなしシーケンスプールを併用する半教師あり学習戦略を組み合わせたものです。モデルはラベルなしデータで事前学習または正則化され、その後ラベル付き例でファインチューニングされ、ラベル付きデータが不足している場合に強力な汎化性能を発揮します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →