Itseohjautuva Gaussinen prosessi
Itseohjautuva Gaussinen prosessi (SSL-GP) yhdistää Gaussisten prosessien periaatteellisen epävarmuuden kvantifioinnin itseohjautuvaan esikoulutukseen, oppien ilmeikkäitä ytimiä tai piileviä esityksiä merkitsemättömästä datasta ennen pienen merkityn joukon sovittamista. Tämä tekee lähestymistavasta erityisen tehokkaan vähäisen merkityn datan tilanteissa, joissa tavanomainen Gaussinen prosessi ylisovittaisi tai tuottaisi huonosti kalibroituja epävarmuusarvioita.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Fortuin, V., Rätsch, G., & Mandt, S. (2020). GP-VAE: Deep probabilistic time series imputation using Gaussian process variational autoencoders. Proceedings of the 23rd International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 108, 1651–1661. link ↗
- Gaussian process. Wikipedia. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/fi/machine-learning/self-supervised-gaussian-process
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.
- Aktiivisen oppimisen Gaussin prosessiKoneoppiminen↔ compare
- Bayesiläinen Gaussin prosessiKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puolivalvottu Gaussin prosessiKoneoppiminen↔ compare
- Variational AutoencoderSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →