Machine learningMachine learning

Aprenentatge per transferència auto-supervisat

L'aprenentatge per transferència auto-supervisat combina dos paradigmes potents: primer, un model aprèn representacions riques a partir de dades no etiquetades mitjançant tasques pretextuals auto-supervisades, i després aquestes representacions apreses es transfereixen i s'ajusten (fine-tuned) en una tasca posterior amb dades etiquetades limitades. Aquest enfocament subjau a sistemes emblemàtics com BERT en PLN i SimCLR i DINO en visió per computador, reduint dràsticament els requisits de dades etiquetades en molts dominis.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. 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
  2. Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/ca/machine-learning/self-supervised-transfer-learning

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.

Compare side by side
ScholarGateSelf-supervised Transfer learning (Self-supervised Pre-training for Transfer Learning). Recuperat el 2026-06-15 de https://scholargate.app/ca/machine-learning/self-supervised-transfer-learning · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026