Samoučiace sa prenosové učenie
Samoučiace sa prenosové učenie kombinuje dve výkonné paradigmy: model najprv pomocou samoučiacich sa pretextových úloh získava bohaté reprezentácie z neoznačených dát, následne sú tieto naučené reprezentácie prenesené a doladené na následnej úlohe s obmedzeným množstvom označených dát. Tento prístup je základom prelomových systémov ako BERT v NLP a SimCLR a DINO v počítačovom videní, čím sa dramaticky znižujú požiadavky na označené dáta v mnohých doménach.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/sk/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.
- Few-shot LearningStrojové učenie↔ compare
- Učenie metríkStrojové učenie↔ compare
- Samoučenie s malým počtom príkladovStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →