K-nearest neighbors แบบเรียนรู้ด้วยตนเอง
K-nearest neighbors แบบเรียนรู้ด้วยตนเอง (SSL-kNN) เป็นการผสมผสานการเรียนรู้การนำเสนอข้อมูลโดยไม่มีป้ายกำกับเข้ากับตัวจำแนกประเภท k-NN แบบไม่ใช้พารามิเตอร์ โดยทั่วไปจะฝึกตัวเข้ารหัสโครงข่ายประสาทเทียมผ่านวัตถุประสงค์การเรียนรู้ด้วยตนเอง เช่น การเปรียบเทียบหรือการทำนายแบบปิดบัง เพื่อให้ตัวอย่างที่มีความหมายคล้ายคลึงกันมารวมกลุ่มกันในปริภูมิการฝัง จากนั้นการค้นหา k-NN แบบง่ายๆ บนการฝังเหล่านั้นจะกำหนดป้ายกำกับคลาส ซึ่งทำหน้าที่ทั้งเป็นตัววัดที่มีน้ำหนักเบาและเป็นตัวจำแนกประเภทที่ใช้งานได้จริง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/th/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.
- การเรียนรู้เมตริกการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- การจำแนกประเภทแบบเพื่อนบ้านใกล้เคียง K แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare