Самокерований Гаусів процес
Самокерований Гаусів процес (SSL-GP) поєднує принципове кількісне визначення невизначеності Гаусових процесів із самокерованим попереднім навчанням, вивчаючи виразні ядра або приховані представлення з нерозмічених даних перед налаштуванням GP на невеликому розміченому наборі. Це робить підхід особливо потужним у режимах з малою кількістю розмічених даних, де звичайний GP призвів би до перенавчання або дав би погано відкалібровані оцінки невизначеності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Gaussian Process (SSL-GP). ScholarGate. https://scholargate.app/uk/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.
- Активне навчання на Гауссових процесахМашинне навчання↔ compare
- Байєсівський гауссівський процесМашинне навчання↔ compare
- Гаусівський процесМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкерований Гаусівський процесМашинне навчання↔ compare
- Варіаційний автокодувальникГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →