Pašuzraudzēts Gausa process
Pašuzraudzēts Gausa process (SSL-GP) apvieno Gausa procesu principālo nenoteiktības kvantificēšanu ar pašuzraudzētu pirmapstrādi, apgūstot izteiksmīgus kodolus vai latentus attēlojumus no neiezīmētiem datiem pirms Gausa procesa pielāgošanas nelielam iezīmētam kopumam. Tas padara pieeju īpaši spēcīgu režīmos ar maziem iezīmētiem datiem, kur parasts Gausa process pārāk pielāgotos vai radītu slikti kalibrētus nenoteiktības novērtējumus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/lv/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.
- Aktīvās apguves Gausa processMašīnmācīšanās↔ compare
- Beijes Gaussian processMašīnmācīšanās↔ compare
- Gausa processMašīnmācīšanās↔ compare
- Pašuzraudzības apmācībaMašīnmācīšanās↔ compare
- Daļēji uzraudzīts Gausa processMašīnmācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →