Machine learningDeep learning / NLP / CV

Полусупервизорная LSTM

Полусупервизорная LSTM (Long Short-Term Memory) объединяет возможности сетей с долговременной краткосрочной памятью по обработке последовательностей с полусупервизорными стратегиями обучения, используя небольшой размеченный набор данных наряду с большим пулом неразмеченных последовательностей. Модель предварительно обучается или регуляризуется на неразмеченных данных, затем донастраивается на размеченных примерах, обеспечивая высокую обобщающую способность при дефиците размеченных данных.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateSemi-supervised LSTM (Semi-supervised Long Short-Term Memory Network). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/semi-supervised-lstm · Набор данных: https://doi.org/10.5281/zenodo.20539026