Semi-supervised LSTM
Semi-supervised LSTM combineert het sequentiële geheugen van Long Short-Term Memory-netwerken met semi-supervised leeralgoritmen — gebruikmakend van een kleine gelabelde dataset naast een grote hoeveelheid ongelabelde sequenties. Het model wordt vooraf getraind of geregulariseerd op ongelabelde data, en vervolgens gefinetuned op gelabelde voorbeelden, wat resulteert in sterke generalisatie wanneer gelabelde data schaars is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/nl/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.
- LSTMDeep learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →