Selv-supervisert Transformer
En selv-supervisert Transformer er et Transformer-nettverk forhåndstrent ved hjelp av automatisk konstruerte overvåkingssignaler – som prediksjon av maskerte tokens eller prediksjon av neste setning – i stedet for menneskelig annoterte etiketter. De resulterende representasjonene blir deretter finjustert eller undersøkt på nedstrømsoppgaver. BERT, GPT og ViT (Vision Transformer i modus for maskert bildemodellering) er de mest kjente instansieringene av dette paradigmet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems, 30. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Transformer (Pretraining with Self-generated Supervision). ScholarGate. https://scholargate.app/no/deep-learning/self-supervised-transformer
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.
- BERT-basert klassifiseringDyp læring↔ compare
- Finetunet transformatorDyp læring↔ compare
- RoBERTa-basert klassifiseringDyp læring↔ compare
- Selv-overvåket konvolusjonelt nevralt nettverkDyp læring↔ compare
- SetningsembddingerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →