Självövervakad Gaussisk process
Självövervakad Gaussisk process (SSL-GP) kombinerar den principfasta osäkerhetskvantifieringen hos Gaussiska processer med självövervakad förträning, och lär sig uttrycksfulla kärnor eller latenta representationer från oetiketterad data innan en GP anpassas på en liten etiketterad mängd. Detta gör metoden särskilt kraftfull i regimer med lite etiketterad data där en konventionell GP skulle överanpassa eller ge dåligt kalibrerade osäkerhetsuppskattningar.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/sv/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.
- Aktiv inlärning med Gaussiska processerMaskininlärning↔ compare
- Bayesiansk Gaussisk ProcessMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-övervakad Gaussisk processMaskininlärning↔ compare
- Variational AutoencoderDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →