Logistička regresija sa samonadzorom
Logistička regresija sa samonadzorom je dvostepeni postupak u kojem se neuronski enkoder prvo obučava na obilju neoznačenih podataka putem zadatka sa samonadzorom — kao što je kontrastivno učenje ili maskirano predviđanje — a zatim se zamrznute naučene reprezentacije klasifikuju standardnim modelom logističke regresije obučenim na malom označenom skupu podataka. Ovaj protokol linearnog vrednovanja se široko koristi za procenu kvaliteta samonadziranih reprezentacija.
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. Proceedings of the 37th International Conference on Machine Learning (ICML), 1597–1607. link ↗
- van Engelen, J. E., & Hoos, H. H. (2020). A survey on semi-supervised learning. Machine Learning, 109(2), 373–440. DOI: 10.1007/s10994-019-05855-6 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/sr/machine-learning/self-supervised-logistic-regression
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.
- Logistička regresija (ML)Mašinsko učenje↔ compare
- Samostalno nadgledano stablo odlučivanjaMašinsko učenje↔ compare
- Samostalno učenjeMašinsko učenje↔ compare
- Polulogistička regresijaMašinsko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →