Αυτο-επιβλεπόμενη Μηχανή Υποστήριξης Διανυσμάτων

Μια αυτο-επιβλεπόμενη Μηχανή Υποστήριξης Διανυσμάτων (Self-supervised Support Vector Machine - SS-SVM) συνδυάζει την αυτο-επιβλεπόμενη προ-εκπαίδευση — μάθηση αναπαραστάσεων από μη επισημασμένα δεδομένα μέσω προκαταρκτικών εργασιών (pretext tasks) — με έναν ταξινομητή Μηχανής Υποστήριξης Διανυσμάτων (Support Vector Machine - SVM) εκπαιδευμένο στα προκύπτοντα χαρακτηριστικά. Αυτή η υβριδική προσέγγιση επιτρέπει ισχυρή απόδοση ταξινόμησης ακόμη και όταν τα επισημασμένα δεδομένα είναι σπάνια, αξιοποιώντας τη δομή που είναι ενσωματωμένη σε μεγάλα μη επισημασμένα σύνολα δεδομένων πριν από την εφαρμογή του στόχου μεγιστοποίησης περιθωρίου (margin maximization) του SVM.