Półnadzorowane sieci LSTM
Półnadzorowane sieci LSTM (Long Short-Term Memory) łączą sekwencyjną pamięć sieci neuronowych z długą pamięcią krótkotrwałą z półnadzorowanymi strategiami uczenia — wykorzystując mały zbiór danych oznakowanych wraz z dużą pulą nieoznakowanych sekwencji. Model jest wstępnie trenowany lub regularyzowany na danych nieoznakowanych, a następnie dostrajany na przykładach oznakowanych, co zapewnia silną generalizację, gdy dane oznakowane są rzadkie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/pl/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.
- LSTMUczenie głębokie↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →