Proses Gaussian Terpandu Mandiri
Self-supervised Gaussian Process (SSL-GP) menggabungkan kuantifikasi ketidakpastian yang berprinsip dari Gaussian process dengan pra-pelatihan swa-awasi (self-supervised pretraining), mempelajari kernel ekspresif atau representasi laten dari data tak berlabel sebelum menyesuaikan GP pada kumpulan data berlabel kecil. Hal ini membuat pendekatan tersebut sangat ampuh dalam rezim data berlabel rendah di mana GP konvensional akan mengalami *overfitting* atau menghasilkan estimasi ketidakpastian yang kurang terkalibrasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/id/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.
- Pembelajaran Aktif Gaussian ProcessPembelajaran Mesin↔ compare
- Gaussian Proses BayesianPembelajaran Mesin↔ compare
- Proses GaussianPembelajaran Mesin↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Gaussian Process Semi-TerawasiPembelajaran Mesin↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →