Machine learningMachine learning

Polosupervizované učenie

Polosupervizované učenie (SSL) je paradigma strojového učenia, ktoré trénuje modely pomocou malej sady označených príkladov spolu s oveľa väčším súborom neoznačených údajov. Využitím štruktúry inherentnej v neoznačených údajoch SSL dosahuje presnosť blízku plne supervizovaným modelom, pričom vyžaduje oveľa menej nákladných manuálnych označení — čo ho robí praktickým, keď je označovanie drahé, pomalé alebo obmedzené zdrojmi.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Polosupervizované učenie

Aktívne učenie Few-shot Learning Samoučenie Semi-Supervised Random F…Prenosové učenie Zosilnenie aktívneho uče…Federated aktívne učenie Aktívne učenie Gaussovho…Aktívne učenie s logisti…Aktívne učenie s jednova…

+61 more

Zdroje

Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, University of Wisconsin-Madison. link ↗

Ako citovať túto stránku

ScholarGate. (2026, June 3). Semi-supervised Learning (Combined Labeled and Unlabeled Data Training). ScholarGate. https://scholargate.app/sk/machine-learning/semi-supervised-learning

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.

Aktívne učenieStrojové učenie↔ compare
Few-shot LearningStrojové učenie↔ compare
SamoučenieStrojové učenie↔ compare
Semi-Supervised Random ForestStrojové učenie↔ compare
Prenosové učenieStrojové učenie↔ compare

Compare side by side →

Odkazujú sem

Zosilnenie aktívneho učenia Federated aktívne učenie Aktívne učenie Gaussovho zmiešaného modelu Aktívne učenie s logistickou regresiou Aktívne učenie s jednovariabilným SVM Aktívne učenie so samoučiacim sa učením Podporný vektorový stroj s aktívnym učením Aktívne učenie s hlasovacím súborom modelov Algoritmus Apriori Asociačné pravidlá Bayesovské aktívne učenie Bayesovské online učenie Bayesovské polosupervizované učenie Ensemble Active Learning Online ensemble učenie Ensemble Self-supervised Learning Ensemble Semi-supervised Learning Few-shot Learning Učenie metrík Online aktívne učenie Online Few-shot Learning Online učenie Online semi-supervised learning Online Transfer Learning Regulované federované učenie Regulované online učenie Regularizované semi-supervizované učenie Robustná aktívna učenie Samo-riadené aktívne učenie Samo-riadený rozhodovací strom Federated učenie so samotrením Samoučiací sa Gaussov model zmesí Samoučiacie zosilňovanie gradientu Samoučenie Samoučenie Naive Bayes Náhodný les so sebou samým riadeným učením Samo-dohľadové skladané zoskupenie Samoučiacia sa metóda Support Vector Machine Samoučiace sa prenosové učenie Polosupervidované aktívne učenie Semisupervizovaný algoritmus Apriori Polosupervidované asociacné pravidlá Polosamostatná detekcia anomálií pomocou autoenkódera Polosupervidované bagging Polozavzdelávacie zosilňovanie Polosupervizovaný difúzny model Semi-supervidované federatívne učenie Polosupervizované učenie s malým počtom príkladov Semi-supervised GAN Polosupervízny Gaussovský model zmesí Semi-supervised Gaussian Process Polosupervizované zosilňovanie gradientu Polosupervizovaná grafová neurónová sieť Semi-supervised Isolation Forest Poloučité učenie K-means Polosupervízované K-najbližších susedov Semi-supervidovaná lineárna regresia Logistická regresia s čiastočným dohľadom Semi-supervised LSTM Semi-supervidované učenie metrík Polosupervizované Naive Bayes Polosupervizovaná jednotriedová SVM Online učenie s čiastočným dohľadom Polosupervizované učenie s prenosom Polohlasové hlasovacie zoskupenie Prenosové učenie Slabá segmentácia s čiastočným dohľadom Variabilný autoenkodér so slabým dohľadom Slabý vizuálny transformátor s dozorom

Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →