Zelf-gesuperviseerd Gaussisch Mengselmodel
Een Zelf-gesuperviseerd Gaussisch Mengselmodel (SS-GMM) combineert zelf-gesuperviseerd representatie-leren met een probabilistische Gaussische mengsel prior om betekenisvolle clusters te ontdekken in ongelabelde of gedeeltelijk gelabelde data. Door gebruik te maken van pretext-taken om rijke embeddings te leren voordat een GMM wordt aangepast, bereikt het een clusterkwaliteit die standaard GMM's toegepast op ruwe kenmerken zelden halen, vooral op complexe beeld-, tekst- of biologische data.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
Deze pagina citeren
ScholarGate. (2026, June 3). Self-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/nl/machine-learning/self-supervised-gaussian-mixture-model
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.
- Semi-supervised LearningMachine learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →