Самообучаващи се K-най-близки съседи
Самообучаващи се K-най-близки съседи (SSL-kNN) комбинира учене на представяния без етикети с безпараметричен k-NN класификатор. Невронният енкодер първо се обучава чрез самообучаваща се цел — като контрастивно предсказване или предсказване на маскирани части — така че семантично сходни образци да се групират в пространството на представянията. Просто търсене на k-NN в тези представяния след това присвоява класови етикети, служейки както като лек индикатор, така и като практичен класификатор.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A simple framework for contrastive learning of visual representations. In Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 1597–1607. link ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/bg/machine-learning/self-supervised-k-nearest-neighbors
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Метрично обучениеМашинно обучение↔ сравняване
- Самообучаващо се ученеМашинно обучение↔ сравняване
- Полу-наблюдавано K-най-близки съседиМашинно обучение↔ сравняване
- Трансферно обучениеМашинно обучение↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →