Semi-supervised LSTM
Semi-supervised LSTM kombinerer den sekvensielle hukommelsen til Long Short-Term Memory-nettverk med semi-supervised læringsstrategier — ved bruk av et lite merket datasett sammen med en stor mengde umerkede sekvenser. Modellen forhåndstrener eller regulariseres på umerkede data, og finjusteres deretter på merkede eksempler, noe som gir sterk generalisering når merkede data er knappe.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/no/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.
- LSTMDyp læring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →