Modèle de Mélange Gaussien Auto-supervisé
Un Modèle de Mélange Gaussien Auto-supervisé (SS-GMM) combine l'apprentissage de représentations auto-supervisé avec un prior probabiliste de mélange gaussien pour découvrir des clusters significatifs dans des données non étiquetées ou partiellement étiquetées. En exploitant des tâches prétextes pour apprendre des plongements riches avant d'ajuster un GMM, il atteint une qualité de clustering que les GMM standards appliqués aux caractéristiques brutes atteignent rarement, en particulier sur des données complexes d'images, de texte ou biologiques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/fr/machine-learning/self-supervised-gaussian-mixture-model
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.
- Apprentissage semi-superviséApprentissage automatique↔ compare
- Autoencodeur VariationnelApprentissage profond↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →