Selv-superviseret Gaussisk Proces
Selv-superviseret Gaussisk Proces (SSL-GP) kombinerer den principielle usikkerhedskvantificering fra Gaussiske processer med selv-superviseret forudtræning, hvor der læres udtryksfulde kerner eller latente repræsentationer fra umærkede data, før en GP tilpasses et lille mærket datasæt. Dette gør tilgangen særligt kraftfuld i regimer med få mærkede data, hvor en konventionel GP ville overfitte eller producere dårligt kalibrerede usikkerhedsestimater.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/da/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.
- Aktiv læring Gaussisk procesMaskinlæring↔ compare
- Bayesiansk Gaussisk ProcesMaskinlæring↔ compare
- Gaussisk procesMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised Gaussisk ProcesMaskinlæring↔ compare
- Variational AutoencoderDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →