Machine learningDeep learning / NLP / CV
半教師ありTransformer
半教師あり学習は、Transformerアーキテクチャを用いて、少量のラベル付きデータと大量のラベルなしデータを活用し、強力な系列モデルを訓練します。BERTに代表される支配的なパターンは、まず自己教師あり目的（マスクされたトークン予測など）を用いてラベルなしデータでTransformerを事前学習し、次にラベル付きタスクでファインチューニングします。この2段階アプローチは、強力な性能を達成するために必要なラベル付きデータを劇的に削減します。
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.
+5 more
出典
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Zoph, B., Ghiasi, G., Lin, T.-Y., Cui, Y., Liu, H., Cubuk, E. D., & Le, Q. V. (2020). Rethinking Pre-training and Self-training. Advances in Neural Information Processing Systems (NeurIPS), 33, 3833–3845. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Learning with Transformer Architectures. ScholarGate. https://scholargate.app/ja/deep-learning/semi-supervised-transformer
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.
- BERTベースの分類深層学習↔ compare
- Fine-Tuned Transformer深層学習↔ compare
- RoBERTaベースの分類深層学習↔ compare
- 自己教師ありTransformer深層学習↔ compare
- 半教師あり畳み込みニューラルネットワーク深層学習↔ compare