K-nearest neighbors auto-supervisat
El K-nearest neighbors auto-supervisat (SSL-kNN) combina l'aprenentatge de representacions sense etiquetes amb un classificador k-NN no paramètric. Primer, s'entrena un codificador neuronal mitjançant un objectiu auto-supervisat —com ara predicció contrastiva o emmascarada— de manera que mostres semànticament similars es concentrin en l'espai d'incrustació. Una simple cerca k-NN sobre aquestes incrustacions assigna llavors etiquetes de classe, servint tant com a sonda lleugera com a classificador pràctic.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/ca/machine-learning/self-supervised-k-nearest-neighbors
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.
- Aprenentatge mètricAprenentatge automàtic↔ compare
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
- K-Nearest Neighbors semi-supervisatAprenentatge automàtic↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →