یادگیری متریک خودنظارتی
یادگیری متریک خودنظارتی، یک رمزگذار عصبی را آموزش میدهد تا ورودیها را به گونهای جاسازی کند که موارد مشابه معنایی در فضای برداری به هم نزدیک باشند، با استفاده از برچسبهای شبه تولید شده خودکار به جای حاشیهنویسیهای انسانی. با ترکیب وظایف پیشمتن خودنظارتی با اهداف متریک مبتنی بر تقابل یا سهتایی، بازنماییهای قابل انتقال و با بهرهوری برچسب تولید میکند که برای بازیابی، خوشهبندی و طبقهبندی چند نمونهای قابل کاربرد هستند.
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. Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/fa/machine-learning/self-supervised-metric-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 متریکیادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- شبکه عصبی سیامییادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →