Transformátor se samoučením
Transformátor se samoučením je síť typu Transformer předtrénovaná pomocí automaticky konstruovaných supervizních signálů – jako je predikce maskovaných tokenů nebo predikce následující věty – namísto ručně anotovaných popisků. Výsledné reprezentace jsou poté doladěny nebo prozkoumány na navazujících úlohách. BERT, GPT a ViT (Vision Transformer v režimu maskovaného modelování obrazu) jsou nejznámějšími instancemi tohoto paradigmatu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems, 30. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Transformer (Pretraining with Self-generated Supervision). ScholarGate. https://scholargate.app/cs/deep-learning/self-supervised-transformer
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.
- Klasifikace založená na BERTHluboké učení↔ compare
- Dolaďovaný transformátorHluboké učení↔ compare
- Klasifikace založená na RoBERTaHluboké učení↔ compare
- Konvoluční neuronová síť se samoučenímHluboké učení↔ compare
- Vektorové reprezentace větHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →