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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
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.
- LSTMГлубокое обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →