Pembelajaran Pindahan Kendiri Seliaan
Pembelajaran pindahan kendiri seliaan menggabungkan dua paradigma berkuasa: model mula-mula mempelajari perwakilan yang kaya daripada data tidak berlabel menggunakan tugas preteks kendiri seliaan, kemudian perwakilan yang dipelajari itu dipindahkan dan ditala halus pada tugas hiliran dengan data berlabel yang terhad. Pendekatan ini mendasari sistem mercu tanda seperti BERT dalam NLP dan SimCLR serta DINO dalam penglihatan komputer, mengurangkan keperluan data berlabel secara mendadak merentasi banyak domain.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/ms/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.
- Pembelajaran Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Pembelajaran MetrikPembelajaran Mesin↔ compare
- Pembelajaran Kendiri Berbantukan Contoh Berbilang CiriPembelajaran Mesin↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →