자가 지도 가우시안 혼합 모형(SS-GMM)은 자가 지도 표현 학습과 확률적 가우시안 혼합 사전 분포를 결합하여 레이블이 없거나 부분적으로 레이블이 지정된 데이터에서 의미 있는 클러스터를 발견합니다. 사전 과제를 활용하여 GMM을 적합하기 전에 풍부한 임베딩을 학습함으로써, 특히 복잡한 이미지, 텍스트 또는 생물학적 데이터에서 표준 GMM이 원시 특징에 적용했을 때 도달하기 어려운 클러스터 품질을 달성합니다.
Zhai, X., Oliver, A., Kolesnikov, A., & Beyer, L. (2019). S4L: Self-supervised semi-supervised learning. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 1476–1485. link ↗