k-نزدیکترین همسایه خودنظارتی
k-نزدیکترین همسایه خودنظارتی (SSL-kNN) یادگیری بازنمایی بدون برچسب را با طبقهبند غیرپارامتری k-NN ترکیب میکند. ابتدا یک رمزگذار عصبی از طریق یک هدف خودنظارتی - مانند پیشبینی کنتراستیو یا ماسک شده - آموزش داده میشود، به طوری که نمونههای با معنای مشابه در فضای تعبیه شده (embedding space) به هم نزدیک میشوند. سپس یک جستجوی ساده k-NN بر روی آن تعبیهها، برچسبهای کلاس را اختصاص میدهد که هم به عنوان یک کاوشگر سبک و هم به عنوان یک طبقهبند عملی عمل میکند.
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
- 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 ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/fa/machine-learning/self-supervised-k-nearest-neighbors
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 متریکیادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- K-نزدیکترین همسایگی نیمهنظارتشدهیادگیری ماشین↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →