Pašuzraudzīta k-tuvāko kaimiņu metode
Pašuzraudzīta k-tuvāko kaimiņu metode (SSL-kNN) apvieno reprezentācijas apguvi bez etiķetēm ar neparametrisku k-NN klasifikatoru. Neironu kodētājs vispirms tiek apmācīts, izmantojot pašuzraudzības mērķi — piemēram, kontrastīvu vai maskētas prognozēšanas mērķi — tā, lai semantiski līdzīgi paraugi grupētos kopā iegultņu telpā. Vienkārša k-NN meklēšana šajās iegultnēs pēc tam piešķir klases etiķetes, kalpojot gan kā viegls zonde, gan kā praktisks klasifikators.
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
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A simple framework for contrastive learning of visual representations. In Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 1597–1607. link ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/lv/machine-learning/self-supervised-k-nearest-neighbors
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.
- Metriskā apguveMašīnmācīšanās↔ compare
- Pašuzraudzības apmācībaMašīnmācīšanās↔ compare
- Pusgadīgi K tuvāko kaimiņu metodeMašīnmācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →