Eneselt juhitud ülekanneõpe
Eneselt juhitud ülekanneõpe ühendab kaks võimsat paradigmat: mudel õpib esmalt rikkalikke representatsioone märgistamata andmetest eneselt juhitud eelülesannete abil, seejärel need õpitud representatsioonid kantakse üle ja täpsustatakse allavooluülesandel piiratud hulga märgistatud andmetega. See lähenemisviis on aluseks sellistele teedrajavatele süsteemidele nagu BERT NLP-s ning SimCLR ja DINO arvutinägemises, vähendades dramaatiliselt märgistatud andmete vajadust paljudes valdkondades.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/et/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.
- Väheste näidistega õppimineMasinõpe↔ compare
- Meetriline õppimineMasinõpe↔ compare
- Enesest juhendatud väheste näidistega õppimineMasinõpe↔ compare
- Enesest juhendav õppimineMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →