Loading AI tools
Found in articles
半监督学习（英語：Semi-supervised learning）是机器学习的一个分支，它在训练时使用了少量的有标签数据（Labeled data）和大量的无标签数据（Unlabeled data）。半监督学习介于无监督学习（训练数据全部无标签）和有监督学习（训练数据全部有标签）之间。半监督学习旨在缓解训练数据中有标签数据有限的问题。
Semi-supervised learning literature survey. 2005. CiteSeerX 10.1.1.99.9681 . Sindhwani, Vikas; Rosenberg, David S. An RKHS for multi-view learning and
基础模型
2023]. （原始内容存档于2023-06-16）. Goled, Shraddha. Self-Supervised Learning Vs Semi-Supervised Learning: How They Differ. Analytics India Magazine. 7 May 2021
生成對抗網絡常用於生成以假亂真的圖片。此外，該方法還被用於生成影片、三維物體模型等。 生成對抗網絡虽然最开始提出是為了無監督學習，但经證明對半監督學習（英语：Semi-supervised_learning）、完全監督學習 、強化學習也有效。 在2016年的一個研討會上，杨立昆称生成式對抗網絡为「機器學習這二十年來最酷的想法」。 生成對抗網路的應用範圍正在大幅增加。
BERT
过探测分类器分析内部向量表示，以及注意力权重表示的关系。 BERT起源于预训练的上下文表示学习，包括半监督序列学习（Semi-supervised Sequence Learning），生成预训练（Generative Pre-Training），ELMo（英语：ELMo）和ULMFit。与之前的