Învățare prin transfer auto-supervizată
Învățarea prin transfer auto-supervizată combină două paradigme puternice: un model învață mai întâi reprezentări bogate din date neetichetate utilizând sarcini pretext auto-supervizate, apoi acele reprezentări învățate sunt transferate și ajustate fin (fine-tuned) pe o sarcină ulterioară (downstream task) cu date etichetate limitate. Această abordare stă la baza unor sisteme de referință precum BERT în NLP și SimCLR și DINO în viziunea computerizată, reducând dramatic cerințele de date etichetate în multe domenii.
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
- 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 ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/ro/machine-learning/self-supervised-transfer-learning
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.
- Învățare cu puține exempleÎnvățare automată↔ compare
- Învățarea metricilorÎnvățare automată↔ compare
- Învățare auto-supervizată cu puține exemple (Self-supervised Few-shot Learning)Învățare automată↔ compare
- Învățare auto-supervizatăÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →