Önfelügyelt k-legközelebbi szomszédok
Az önfelügyelt k-legközelebbi szomszédok (SSL-kNN) a címkézetlen adatokból történő reprezentációtanulást kombinálja egy nemparametrikus k-NN osztályozóval. Először egy neurális enkódert képeznek önfelügyelt célfüggvénnyel – mint például kontrasztív vagy maszkolt predikció – oly módon, hogy a szemantikailag hasonló minták az ágyazási térben (embedding space) csoportosuljanak. Az ágyazási vektorokon végzett egyszerű k-NN lekérdezés ezután osztálycímkéket rendel hozzá, amely egyszerre szolgál könnyű szondaként és gyakorlati osztályozóként.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/hu/machine-learning/self-supervised-k-nearest-neighbors
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.
- MetrikatanulásGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt K-legközelebbi szomszédokGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →