Önfelügyelt transzfer tanulás
Az önfelügyelt transzfer tanulás két erőteljes paradigma ötvözete: a modell először gazdag reprezentációkat tanul címkézetlen adatokból önfelügyelt előfeladatok (pretext tasks) segítségével, majd ezeket a tanult reprezentációkat átviszi és finomhangolja egy célfeladatra (downstream task) korlátozott számú címkézett adattal. Ez az megközelítés olyan úttörő rendszerek alapja, mint a BERT a természetesnyelv-feldolgozásban (NLP), valamint a SimCLR és a DINO a számítógépes látásban, drámaian csökkentve a címkézett adatok iránti igényt számos területen.
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 ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/hu/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.
- Few-shot LearningGépi tanulás↔ compare
- MetrikatanulásGépi tanulás↔ compare
- Önfelügyelt kevés-képes tanulásGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →