Самообучаващ се Гаусов процес
Самообучаващият се Гаусов процес (SSL-GP) комбинира принципното количествено определяне на несигурността на Гаусовите процеси със самообучаващо се предварително обучение, като научава експресивни ядра или латентни представяния от немаркирани данни, преди да настрои GP върху малък маркиран набор. Това прави подхода особено мощен в режими с малко маркирани данни, където конвенционален GP би пренастроил или би произвел зле калибрирани оценки на несигурността.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Fortuin, V., Rätsch, G., & Mandt, S. (2020). GP-VAE: Deep probabilistic time series imputation using Gaussian process variational autoencoders. Proceedings of the 23rd International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 108, 1651–1661. link ↗
- Gaussian process. Wikipedia. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/bg/machine-learning/self-supervised-gaussian-process
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.
- Активно обучение с Гаусов процесМашинно обучение↔ compare
- Байесов Гаусов ПроцесМашинно обучение↔ compare
- Гаусов процесМашинно обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Полу-наблюдаван Гаусов процесМашинно обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →