Methodenbewijsdossier

Semi-supervised Multilayer Perceptron

A semi-supervised multilayer perceptron (SSL-MLP) is a feedforward neural network trained on a small pool of labeled examples together with a larger pool of unlabeled examples. By combining supervised cross-entropy loss on labeled data with an unsupervised consistency or pseudo-label objective on unlabeled data, it extracts far more signal from the data than a purely supervised MLP trained on labels alone.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Semi-supervised Multilayer Perceptron (SSL-MLP)

Taxonomisch methodendossier · ml-model / deep-learning

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. · URL

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Taxonomic bucketFine-Tuned Multilayer Perceptronmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSemi-supervised Convolutional Neural Networkmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSemi-supervised LSTMmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketWeakly supervised multilayer perceptronmachine-suggested · Relational suggestion, not evidence.