Samonadzorovani Gaussov proces
Samonadzorovani Gaussov proces (SSL-GP) kombinira principijelno kvantificiranje nesigurnosti Gaussovih procesa sa samonadzoriranim predobučavanjem, učeći izražajne jezgre ili latentne reprezentacije iz neoznačenih podataka prije prilagođavanja GP-a na malom označenom skupu. To čini pristup posebno snažnim u režimima s malo označenih podataka gdje bi konvencionalni GP preprilagođavanje ili proizvodio loše kalibrirane procjene nesigurnosti.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/hr/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.
- Aktivno učenje Gaussovog procesaStrojno učenje↔ compare
- Bayesovski Gaussov procesStrojno učenje↔ compare
- Gaussovi procesiStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polu-nadgledani Gaussov procesStrojno učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →