Önfelügyelt Gauss-folyamat
Az Önfelügyelt Gauss-folyamat (SSL-GP) ötvözi a Gauss-folyamatok elvileg megalapozott bizonytalanság-kvantifikációját az önfelügyelt előképzéssel, így címkézetlen adatokból képes kifejező magokat vagy latens reprezentációkat tanulni, mielőtt egy kis címkézett halmazon illesztene be egy GP-t. Ez teszi a megközelítést különösen erőteljessé alacsony címkézettadat-számú helyzetekben, ahol egy hagyományos GP túlillesztene, vagy rosszul kalibrált bizonytalansági becsléseket adna.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/hu/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.
- Aktív Tanulás Gaussziánus FolyamatGépi tanulás↔ compare
- Bayesiánus Gauss-folyamatGépi tanulás↔ compare
- Gauss-folyamatGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt Gausszi-folyamGépi tanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →