Pembelajaran Mandiri Daring
Pembelajaran Mandiri Daring (SSL daring) melatih jaringan saraf pada data tak berlabel yang tiba secara berurutan atau dalam aliran, menggunakan sinyal pengawas yang dihasilkan secara otomatis (tugas pretext) alih-alih label manusia. Dengan memperbarui model secara terus-menerus seiring masuknya data baru, ini memungkinkan representasi yang terus berkembang tanpa menyimpan seluruh kumpulan data — penting untuk sistem waktu nyata, perangkat tepi, dan pengaturan yang dibatasi privasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Gidaris, S., Bursuc, A., Komodakis, N., Perez, P., & Cord, M. (2021). OBoW: Online Bag-of-Visual-Words Generation for Self-Supervised Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 6830–6840. link ↗
- Fini, E., Da Costa, V. G. T., Alameda-Pineda, X., Ricci, E., Alahari, K., & Mairal, J. (2022). Self-Supervised Models are Continual Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9621–9630. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Online Self-supervised Learning (Continual Self-supervised Representation Learning from Streaming Data). ScholarGate. https://scholargate.app/id/machine-learning/online-self-supervised-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.
- Pembelajaran DaringPembelajaran Mesin↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Transfer LearningPembelajaran Mesin↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →