Modelo de Mezcla Gaussiana Auto-supervisado

Un Modelo de Mezcla Gaussiana Auto-supervisado (SS-GMM, por sus siglas en inglés) combina el aprendizaje de representaciones auto-supervisado con un prior probabilístico de mezcla gaussiana para descubrir agrupaciones significativas en datos no etiquetados o parcialmente etiquetados. Al aprovechar tareas pretexto para aprender incrustaciones ricas antes de ajustar una GMM, logra una calidad de agrupamiento que las GMM estándar aplicadas a características crudas rara vez alcanzan, especialmente en datos complejos de imágenes, texto o biología.