Pembelajaran Metrik Mandiri-Terawasi
Pembelajaran metrik mandiri-terawasi melatih sebuah pengkode neural untuk menyematkan masukan sedemikian rupa sehingga item-item yang secara semantik serupa terletak berdekatan dalam ruang vektor, menggunakan label semu yang dibuat secara otomatis alih-alih anotasi manusia. Dengan menggabungkan tugas-tugas pretext mandiri-terawasi dengan tujuan metrik berbasis kontrasif atau triplet, ia menghasilkan representasi yang dapat ditransfer dan efisien label yang dapat diterapkan pada pengambilan, pengelompokan, dan klasifikasi sedikit-contoh.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/id/machine-learning/self-supervised-metric-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 MetrikPembelajaran Mesin↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Jaringan Saraf SiamesPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →