Samonadzorirano učenje metrike
Samonadzorirano učenje metrike obučava neuronski enkoder za ugrađivanje ulaznih podataka tako da se semantički slični elementi nalaze blizu u vektorskom prostoru, koristeći automatski generirane pseudo-oznake umjesto ljudskih anotacija. Kombiniranjem samonadzoriranih pretka zadataka s kontrastivnim ili trojnim objektivima metrike, proizvodi prijenosljive, efikasne reprezentacije s malo oznaka primjenjive na dohvaćanje, klasteriranje i klasifikaciju s malo primjera.
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
- 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 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/hr/machine-learning/self-supervised-metric-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.
- Učenje metrikeStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Siamese Neural NetworkDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →