Machine learningMachine learning
自己教師ありガウス過程
自己教師ありガウス過程（SSL-GP）は、ガウス過程の原理的な不確実性定量化と自己教師あり事前学習を組み合わせ、少数のラベル付きデータセットでGPを適合させる前に、ラベルなしデータから表現力豊かなカーネルまたは潜在表現を学習します。これにより、従来のGPが過学習したり、不確実性推定のキャリブレーションが悪かったりするような、ラベル付きデータが少ない状況でこのアプローチは特に強力になります。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/ja/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.
- アクティブラーニング・ガウシアンプロセス機械学習↔ compare
- ベイジアン・ガウス過程機械学習↔ compare
- ガウス過程機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師ありガウス過程機械学習↔ compare
- Variational Autoencoder深層学習↔ compare