Selbstüberwachtes Transferlernen
Selbstüberwachtes Transferlernen kombiniert zwei mächtige Paradigmen: Ein Modell lernt zunächst reiche Repräsentationen aus unbeschrifteten Daten mittels selbstüberwachter Prätextaufgaben. Anschließend werden diese gelernten Repräsentationen auf eine nachgelagerte Aufgabe mit begrenzten beschrifteten Daten übertragen und feinabgestimmt. Dieser Ansatz liegt Landmarkensystemen wie BERT in der NLP und SimCLR und DINO in der Computer Vision zugrunde und reduziert die Anforderungen an beschriftete Daten in vielen Domänen dramatisch.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/de/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.
- Few-Shot LearningMaschinelles Lernen↔ compare
- Metrik-LernenMaschinelles Lernen↔ compare
- Selbstüberwachtes Few-Shot LearningMaschinelles Lernen↔ compare
- Selbstüberwachtes LernenMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →