Selv-overvåget K-nærmeste naboer
Selv-overvåget K-nærmeste naboer (SSL-kNN) kombinerer repræsentationslæring uden etiketter med en ikke-parametrisk k-NN-klassifikator. En neural encoder trænes først via et selv-overvåget mål — såsom kontrastiv eller maskeret forudsigelse — så semantisk ensartede prøver klynger sig sammen i indlejringsrummet. Et simpelt k-NN-opslag på disse indlejringer tildeler derefter klasselabels, hvilket tjener både som en letvægtssonde og som en praktisk klassifikator.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/da/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.
- Metrisk LæringMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-superviseret K-Nærmeste NaboerMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →