Semi-supervised LSTM
Semi-supervised LSTM kombinerar det sekventiella minnet hos Long Short-Term Memory-nätverk med semi-övervakade inlärningsstrategier – genom att använda en liten märkt datamängd tillsammans med en stor mängd omärkt data. Modellen förtränas eller regulariseras på omärkt data, och finjusteras sedan på märkta exempel, vilket ger stark generalisering när märkt data är knapp.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/sv/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.
- LSTMDjupinlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- Variational AutoencoderDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →