Online Self-supervised Learning (Continual Self-supervised Representation Learning from Streaming Data)
یادگیری خودنظارتی سنتی، مجموعه بزرگی از دادههای بدون برچسب را جمعآوری کرده و همه آنها را به یکباره آموزش میدهد. یادگیری خودنظارتی آنلاین این فرض را حذف میکند: دادهها یکی یکی یا به صورت دستههای کوچک وارد میشوند، بسیار شبیه به جریان دوربین یا فید سنسور، و مدل باید قبل از حرکت به دادههای بعدی، بازنماییهای مفیدی از هر بخش بیاموزد. چالش این است که بدون طراحی دقیق، مدل ممکن است دانش قبلی را هنگام تطبیق با دادههای جدید به طور فاجعهباری فراموش کند — بنابراین روشهای یادگیری خودنظارتی آنلاین مکانیسمهایی را برای حفظ بازنماییهای گذشته در حالی که همچنان از ورودیهای جدید بهروز میشوند، ایجاد میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Gidaris, S., Bursuc, A., Komodakis, N., Perez, P., & Cord, M. (2021). OBoW: Online Bag-of-Visual-Words Generation for Self-Supervised Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 6830–6840. link ↗
- Fini, E., Da Costa, V. G. T., Alameda-Pineda, X., Ricci, E., Alahari, K., & Mairal, J. (2022). Self-Supervised Models are Continual Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9621–9630. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Online Self-supervised Learning (Continual Self-supervised Representation Learning from Streaming Data). ScholarGate. https://scholargate.app/fa/machine-learning/online-self-supervised-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.
- یادگیری آنلاینیادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →