Siatkowo-neuronowy perceptron wielowarstwowy (MLP) z uczeniem częściowo nadzorowanym
Perceptron wielowarstwowy z uczeniem częściowo nadzorowanym (SSL-MLP) to rekurencyjna sieć neuronowa trenowana na małej puli oznakowanych przykładów wraz z większą pulą nieoznakowanych przykładów. Łącząc nadzorowaną stratę entropii krzyżowej na oznakowanych danych z nieoznakowanym celem spójności lub pseudo-etykietowania na nieoznakowanych danych, ekstrahuje znacznie więcej sygnału z danych niż czysto nadzorowany MLP trenowany wyłącznie na etykietach.
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
- 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. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Multilayer Perceptron (SSL-MLP). ScholarGate. https://scholargate.app/pl/deep-learning/semi-supervised-multilayer-perceptron
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.
- Dostrojony Perceptron WielowarstwowyUczenie głębokie↔ compare
- Półnadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Półnadzorowane sieci LSTMUczenie głębokie↔ compare
- Słabo nadzorowany perceptron wielowarstwowyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →