Gaussian Process auto-supervisione
Gaussian Process auto-supervisione (SSL-GP) combina la quantificazione dell'incertezza basata su principi dei processi Gaussiani con il pre-training auto-supervisionato, apprendendo kernel espressivi o rappresentazioni latenti da dati non etichettati prima di adattare un GP su un piccolo set etichettato. Ciò rende l'approccio particolarmente potente in regimi con pochi dati etichettati, dove un GP convenzionale andrebbe in overfitting o produrrebbe stime di incertezza scarsamente calibrate.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/it/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.
- Gaussian Process per l'Apprendimento AttivoApprendimento automatico↔ compare
- Processo Gaussiano BayesianoApprendimento automatico↔ compare
- Processo GaussianoApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Processo Gaussiano Semi-supervisionatoApprendimento automatico↔ compare
- Variational AutoencoderApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →