Samo-nadzorowane k-najbliższych sąsiadów
Samo-nadzorowane k-najbliższych sąsiadów (SSL-kNN) łączy uczenie reprezentacji bez etykiet z nieparametrycznym klasyfikatorem k-NN. Neuronowy enkoder jest najpierw trenowany za pomocą samo-nadzorowanego celu – takiego jak kontrastowe przewidywanie lub przewidywanie zamaskowanych fragmentów – tak, aby semantycznie podobne próbki grupowały się w przestrzeni osadzeń. Proste wyszukiwanie k-NN na tych osadzeniach następnie przypisuje etykiety klas, służąc zarówno jako lekka sonda, jak i praktyczny klasyfikator.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/pl/machine-learning/self-supervised-k-nearest-neighbors
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.
- Uczenie metryczneUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Półnadzorowany algorytm K-najbliższych sąsiadówUczenie maszynowe↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →