Proces Gaussian auto-supervizat
Procesul Gaussian auto-supervizat (SSL-GP) combină cuantificarea principială a incertitudinii a proceselor Gaussian cu pre-antrenarea auto-supervizată, învățând nuclee expresive sau reprezentări latente din date neetichetate înainte de a ajusta un GP pe un set mic de date etichetate. Acest lucru face abordarea deosebit de puternică în regimuri cu puține date etichetate, unde un GP convențional ar supra-ajusta sau ar produce estimări de incertitudine slab calibrate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/ro/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.
- Proces Gaussian de Învățare ActivăÎnvățare automată↔ compare
- Proces Gaussian bayesianÎnvățare automată↔ compare
- Proces GaussianÎnvățare automată↔ compare
- Învățare auto-supervizatăÎnvățare automată↔ compare
- Gaussian Process semi-supervizatÎnvățare automată↔ compare
- Autoencoder VariaționalÎnvățare profundă↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →