Pašuzraudzītā pārneses apmācība
Pašuzraudzītā pārneses apmācība apvieno divus spēcīgus paradumus: vispirms modelis apgūst bagātīgas reprezentācijas no nenozīmētiem datiem, izmantojot pašuzraudzītus priekšnoteikumu uzdevumus, pēc tam šīs apgūtās reprezentācijas tiek pārnestas un precizētas uz turpmāku uzdevumu ar ierobežotiem nozīmētiem datiem. Šī pieeja ir pamatā tādiem atskaites sistēmām kā BERT NLP jomā un SimCLR un DINO datorredzes jomā, dramatiski samazinot nepieciešamo nozīmēto datu apjomu daudzās jomās.
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 ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/lv/machine-learning/self-supervised-transfer-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.
- Mācīšanās ar maziem paraugu skaituMašīnmācīšanās↔ compare
- Metriskā apguveMašīnmācīšanās↔ compare
- Self-supervised Few-shot LearningMašīnmācīšanās↔ compare
- Pašuzraudzības apmācībaMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →