Self-supervised Gaussian Process
Self-supervised Gaussian Process (SSL-GP) combines the principled uncertainty quantification of Gaussian processes with self-supervised pretraining, learning expressive kernels or latent representations from unlabeled data before fitting a GP on a small labeled set. This makes the approach especially powerful in low-labeled-data regimes where a conventional GP would overfit or produce poorly calibrated uncertainty estimates.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- 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. · URL
- Gaussian process. Wikipedia. · URL
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.