Transformer auto-supervisionato
Un Transformer auto-supervisionato è una rete Transformer pre-addestrata utilizzando segnali di supervisione costruiti automaticamente — come la predizione di token mascherati o la predizione della frase successiva — piuttosto che etichette annotate da esseri umani. Le rappresentazioni risultanti vengono poi affinate (fine-tuned) o sondate (probed) su task a valle. BERT, GPT e ViT (Vision Transformer in modalità masked-image modeling) sono le istanze più note di questo paradigma.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems, 30. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Transformer (Pretraining with Self-generated Supervision). ScholarGate. https://scholargate.app/it/deep-learning/self-supervised-transformer
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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Transformer con addestramento fine-tunedApprendimento profondo↔ compare
- Classificazione basata su RoBERTaApprendimento profondo↔ compare
- Rete Neurale Convoluzionale Auto-SupervisionataApprendimento profondo↔ compare
- Sentence EmbeddingsApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →