Selv-supervisert Gaussisk prosess
Selv-supervisert Gaussisk prosess (SSL-GP) kombinerer den prinsippielle usikkerhetskvantifiseringen til Gaussiske prosesser med selv-supervisert forhåndstrening, og lærer uttrykksfulle kjerner eller latente representasjoner fra umerkede data før tilpasning av en GP på et lite merket sett. Dette gjør tilnærmingen spesielt kraftig i regimer med lite merkede data, der en konvensjonell GP ville overtilpasse eller produsere dårlig kalibrerte usikkerhetsestimater.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/no/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.
- Aktiv læring med Gaussiske prosesserMaskinlæring↔ compare
- Bayesiansk Gaussisk ProsessMaskinlæring↔ compare
- Gaussisk prosessMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Semiveiledet Gaussisk ProsessMaskinlæring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →