Processo Gaussiano Autossupervisionado
O Processo Gaussiano Autossupervisionado (SSL-GP) combina a quantificação de incerteza principiada dos processos gaussianos com pré-treinamento autossupervisionado, aprendendo kernels expressivos ou representações latentes a partir de dados não rotulados antes de ajustar um GP em um pequeno conjunto rotulado. Isso torna a abordagem especialmente poderosa em regimes de poucos dados rotulados, onde um GP convencional sofreria overfitting ou produziria estimativas de incerteza mal calibradas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/pt/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.
- Active Learning Gaussian ProcessAprendizado de máquina↔ compare
- Processo Gaussiano BayesianoAprendizado de máquina↔ compare
- Processo GaussianoAprendizado de máquina↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- Processo Gaussiano Semi-supervisionadoAprendizado de máquina↔ compare
- Autoencoder VariacionalAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →