Modello Gaussiano Mixture Auto-supervisionato
Un Modello Gaussiano Mixture Auto-supervisionato (SS-GMM) combina l'apprendimento di rappresentazioni auto-supervisionate con un prior probabilistico Gaussiano Mixture per scoprire cluster significativi in dati non etichettati o parzialmente etichettati. Sfruttando task pretesto per apprendere embedding ricchi prima di adattare un GMM, raggiunge una qualità dei cluster che i GMM standard applicati a feature grezze raramente raggiungono, specialmente su dati complessi di immagini, testo o biologici.
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
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/it/machine-learning/self-supervised-gaussian-mixture-model
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.
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Variational AutoencoderApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →