Machine learningDeep learning / NLP / CV
半监督长短期记忆网络 (Semi-supervised LSTM)
半监督长短期记忆网络 (Semi-supervised LSTM) 将长短期记忆网络 (Long Short-Term Memory, LSTM) 的序列记忆能力与半监督学习策略相结合——即使用少量标记数据集和大量未标记序列。该模型在未标记数据上进行预训练或正则化，然后针对标记样本进行微调，在标记数据稀缺时能提供强大的泛化能力。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Semi-supervised Long Short-Term Memory Network. ScholarGate. https://scholargate.app/zh/deep-learning/semi-supervised-lstm
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →