Machine learningMachine learning
자기 지도 가우시안 프로세스
자기 지도 가우시안 프로세스(SSL-GP)는 가우시안 프로세스의 원리적인 불확실성 정량화와 자기 지도 사전 훈련을 결합하여, 소규모 레이블 데이터셋에 GP를 적용하기 전에 비지도 데이터를 사용하여 표현력이 풍부한 커널 또는 잠재 표현을 학습합니다. 이 접근법은 기존 GP가 과적합되거나 부정확한 불확실성 추정치를 생성할 수 있는 레이블 데이터가 부족한 환경에서 특히 강력합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/ko/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.
- 활성 학습 가우시안 프로세스머신러닝↔ compare
- 베이즈 가우시안 과정머신러닝↔ compare
- 가우시안 프로세스머신러닝↔ compare
- 자기 지도 학습머신러닝↔ compare
- 준지도 가우시안 프로세스머신러닝↔ compare
- Variational Autoencoder딥러닝↔ compare