Samonadzorirano prijenosno učenje
Samonadzorirano prijenosno učenje kombinira dva moćna pristupa: model najprije uči bogate reprezentacije iz podataka bez oznaka pomoću samonadzoriranih pretkaznih zadataka, a zatim se te naučene reprezentacije prenose i fino podešavaju na ciljnom zadatku s ograničenim brojem podataka s oznakama. Ovaj pristup leži u temeljima ključnih sustava kao što su BERT u NLP-u te SimCLR i DINO u računalnom vidu, drastično smanjujući potrebu za podacima s oznakama u mnogim domenama.
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. 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/hr/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.
- Učenje s malo primjeraStrojno učenje↔ compare
- Učenje metrikeStrojno učenje↔ compare
- Samo-nadgledano učenje s malo primjeraStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →