מודל גאוסיאני מעורב בלמידה עצמית (SS-GMM) משלב למידת ייצוג עצמית עם הנחת גאוסיאן מעורבת הסתברותית כדי לגלות צבירים משמעותיים בנתונים לא מתויגים או מתויגים חלקית. על ידי מינוף משימות קדם (pretext tasks) ללמידת הטמעות (embeddings) עשירות לפני התאמת GMM, הוא משיג איכות צבירה ש-GMM סטנדרטיים המיושמים על תכונות גולמיות מתקשים להגיע אליה, במיוחד בנתוני תמונה, טקסט או ביולוגיה מורכבים.
Zhai, X., Oliver, A., Kolesnikov, A., & Beyer, L. (2019). S4L: Self-supervised semi-supervised learning. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 1476–1485. link ↗