Samoučiaci Gaussov proces
Samoučiaci Gaussov proces (SSL-GP) kombinuje princíp kvantifikácie neistoty Gaussových procesov so samoučiacim predtrénovaním, pričom sa učí expresívne jadrá alebo latentné reprezentácie z neoznačených dát pred prispôsobením GP na malej označenej množine. Vďaka tomu je prístup obzvlášť účinný v režimoch s malým množstvom označených dát, kde by konvenčný GP nadmerne prispôsobil alebo vyprodukoval zle kalibrované odhady neistoty.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/sk/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.
- Aktívne učenie s Gaussovským procesomStrojové učenie↔ compare
- Bayesianovský Gaussovský procesStrojové učenie↔ compare
- Gaussov procesStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Semi-supervised Gaussian ProcessStrojové učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →