Logistička regresija sa samonadzorom
Logistička regresija sa samonadzorom je dvostupanjski postupak u kojem se neuronski enkoder prvo trenira na obilju neoznačenih podataka putem pretka zadatka sa samonadzorom — kao što je kontrastno učenje ili maskirano predviđanje — a zatim se zamrznute naučene reprezentacije klasificiraju standardnim modelom logističke regresije treniranim na malom označenom skupu podataka. Ovaj protokol linearne evaluacije široko se koristi za procjenu kvalitete samonadzorovanih reprezentacija.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 1597–1607. link ↗
- van Engelen, J. E., & Hoos, H. H. (2020). A survey on semi-supervised learning. Machine Learning, 109(2), 373–440. DOI: 10.1007/s10994-019-05855-6 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/hr/machine-learning/self-supervised-logistic-regression
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Logistička regresija (ML)Strojno učenje↔ usporedi
- Samoučenje pomoću stabala odlučivanjaStrojno učenje↔ usporedi
- Samonadzirano učenjeStrojno učenje↔ usporedi
- Polu-nadgledana logistička regresijaStrojno učenje↔ usporedi
- Prijenosno učenjeStrojno učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →