एक स्व-पर्यवेक्षित गॉसियन मिश्रण मॉडल (SS-GMM) बिना लेबल वाले या आंशिक रूप से लेबल वाले डेटा में सार्थक क्लस्टर खोजने के लिए स्व-पर्यवेक्षित प्रतिनिधित्व सीखने को एक संभाव्य गॉसियन मिश्रण पूर्व के साथ जोड़ता है। GMM को फिट करने से पहले प्रीटेक्स्ट कार्यों का लाभ उठाकर समृद्ध एम्बेडिंग सीखने से, यह क्लस्टर गुणवत्ता प्राप्त करता है जो मानक GMM शायद ही कभी कच्चे फीचर्स पर लागू होने पर प्राप्त करते हैं, खासकर जटिल छवि, पाठ, या जैविक डेटा पर।
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 ↗