Самообучающийся Гауссовский процесс
Самообучающийся Гауссовский процесс (SSL-GP) сочетает принципиальное количественное определение неопределенности Гауссовских процессов с предварительным обучением в режиме самообучения, изучая выразительные ядра или скрытые представления из неразмеченных данных перед подгонкой GP на небольшом размеченном наборе. Это делает подход особенно мощным в условиях малого количества размеченных данных, где обычный GP переобучился бы или дал бы плохо откалиброванные оценки неопределенности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/ru/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.
- Активное обучение с Гауссовским процессомМашинное обучение↔ compare
- Байесовский Гауссовский ПроцессМашинное обучение↔ compare
- Гауссовский процессМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- Полу-контролируемый Гауссовский процессМашинное обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →