Proses Gaussian Kendiri-Penyeliaan
Proses Gaussian Kendiri-Penyeliaan (SSL-GP) menggabungkan pengkuantitian ketidakpastian prinsipal daripada proses Gaussian dengan pra-latihan kendiri-penyeliaan, mempelajari kernel ekspresif atau perwakilan laten daripada data tidak berlabel sebelum menyesuaikan GP pada set berlabel kecil. Ini menjadikan pendekatan ini amat berkuasa dalam rezim data berlabel rendah di mana GP konvensional akan terlebih suai atau menghasilkan anggaran ketidakpastian yang kurang terkalibrasi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/ms/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.
- Proses Gaussian Pembelajaran AktifPembelajaran Mesin↔ compare
- Proses Gaussian BayesianPembelajaran Mesin↔ compare
- Gaussian ProcessPembelajaran Mesin↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Gaussian Process Separuh SeliaPembelajaran Mesin↔ compare
- Autoenkoder VariasiPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →