Samonadgledano K-najbližih suseda
Samonadgledano K-najbližih suseda (SSL-kNN) kombinuje učenje reprezentacija bez oznaka sa neparametarskim k-NN klasifikatorom. Neuronski enkoder se prvo obučava putem samonadgledanog cilja — kao što je kontrastivno predviđanje ili predviđanje maskiranih delova — tako da se semantički slični uzorci grupišu u prostoru ugrađivanja. Jednostavno k-NN pretraživanje na tim ugrađivanjima zatim dodeljuje oznake klasa, služeći kako kao lagana sonda tako i kao praktičan klasifikator.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/sr/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.
- Učenje metrikeMašinsko učenje↔ compare
- Samostalno učenjeMašinsko učenje↔ compare
- Polu-nadgledano K-najbližih susedaMašinsko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →