Självövervakad K-närmaste grannar
Självövervakad K-närmaste grannar (SSL-kNN) kombinerar representationsinlärning utan etiketter med en icke-parametrisk k-NN-klassificerare. En neural kodare tränas först via ett självövervakat mål – såsom kontrastiv inlärning eller maskerad prediktion – så att semantiskt liknande sampel klustrar sig i inbäddningsrymden. En enkel k-NN-uppslagning på dessa inbäddningar tilldelar sedan klassetiketter, vilket fungerar både som en lättviktig sond och som en praktisk klassificerare.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/sv/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.
- MetriskinlärningMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-supervised K-Nearest NeighborsMaskininlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →