स्व-पर्यवेक्षित स्थानांतरण अधिगम
स्व-पर्यवेक्षित स्थानांतरण अधिगम दो शक्तिशाली प्रतिमानों को जोड़ता है: एक मॉडल पहले स्व-पर्यवेक्षित पूर्व-कार्य (pretext tasks) का उपयोग करके बिना लेबल वाले डेटा से समृद्ध निरूपण (representations) सीखता है, फिर वे सीखे गए निरूपण सीमित लेबल वाले डेटा के साथ एक अनुवर्ती कार्य (downstream task) पर स्थानांतरित और फाइन-ट्यून किए जाते हैं। यह दृष्टिकोण NLP में BERT और कंप्यूटर विज़न में SimCLR और DINO जैसे ऐतिहासिक प्रणालियों को रेखांकित करता है, जिससे कई डोमेन में लेबल-डेटा की आवश्यकताएं नाटकीय रूप से कम हो जाती हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A simple framework for contrastive learning of visual representations. In Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 1597–1607. link ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/hi/machine-learning/self-supervised-transfer-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.
- फ्यू-शॉट लर्निंगमशीन अधिगम↔ compare
- मैट्रिक लर्निंगमशीन अधिगम↔ compare
- स्व-पर्यवेक्षित फ़्यू-शॉट लर्निंगमशीन अधिगम↔ compare
- स्व-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- ट्रांसफर लर्निंगमशीन अधिगम↔ compare