กระบวนการเกาส์เซียนแบบกำกับตนเอง
กระบวนการเกาส์เซียนแบบกำกับตนเอง (SSL-GP) ผสมผสานการวัดความไม่แน่นอนตามหลักการของกระบวนการเกาส์เซียนเข้ากับการฝึกฝนล่วงหน้าแบบกำกับตนเอง โดยเรียนรู้เคอร์เนลที่มีประสิทธิภาพหรือการแทนค่าแฝงจากข้อมูลที่ไม่มีป้ายกำกับก่อนที่จะปรับกระบวนการเกาส์เซียนบนชุดข้อมูลที่มีป้ายกำกับขนาดเล็ก ทำให้แนวทางนี้มีประสิทธิภาพอย่างยิ่งในสภาวะที่มีข้อมูลติดป้ายกำกับน้อย ซึ่งกระบวนการเกาส์เซียนทั่วไปจะเกิดการปรับให้เหมาะสมเกินไป (overfit) หรือให้การประมาณค่าความไม่แน่นอนที่ไม่แม่นยำ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/th/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.
- Gaussian Process แบบเรียนรู้เชิงรุก (Active Learning Gaussian Process)การเรียนรู้ของเครื่อง↔ compare
- Bayesian Gaussian Processการเรียนรู้ของเครื่อง↔ compare
- กระบวนการเกาส์เซียนการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- Gaussian Process แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare