Самообучающиеся k-ближайших соседей
Самообучающиеся k-ближайших соседей (SSL-kNN) объединяют обучение представлений без меток с непараметрическим классификатором k-NN. Нейронный энкодер сначала обучается с использованием самообучающейся цели — такой как контрастное обучение или маскированное предсказание — чтобы семантически схожие образцы группировались в пространстве вложений. Простое k-NN-сопоставление по этим вложениям затем присваивает метки классов, служа как легким зондом, так и практическим классификатором.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/ru/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.
- Метрическое обучениеМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- Полусупервизорный метод K-ближайших соседейМашинное обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →