Pašuzraudzības metriskā apguve
Pašuzraudzības metriskā apguve apmāca neironu kodētāju, lai iegultu ievades tādējādi, lai semantiski līdzīgi elementi atrastos tuvu viens otram vektoru telpā, izmantojot automātiski ģenerētus pseido-ેટiketes, nevis cilvēku anotācijas. Apvienojot pašuzraudzības priekštekstu uzdevumus ar kontrastīviem vai trīskāršiem metriskajiem mērķiem, tā rada pārnesamas, uz etiķetēm efektīvas reprezentācijas, kas ir piemērotas izguvei, klasterizācijai un mazskaitlīgu paraugu klasifikācijai.
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. Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/lv/machine-learning/self-supervised-metric-learning
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
- Siāmas neironu tīklsDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →