Логістична регресія із самоконтрольованим навчанням
Логістична регресія із самоконтрольованим навчанням — це конвеєр із двох етапів, у якому нейронний кодер спочатку навчається на великій кількості нерозмічених даних за допомогою задачі самоконтрольованого навчання (pretext task) — такої як контрастне навчання або масковане передбачення — а потім заморожені отримані представлення класифікуються стандартною моделлю логістичної регресії, навченою на невеликому розміченому наборі даних. Цей протокол лінійної оцінки широко використовується для порівняння якості представлень, отриманих за допомогою самоконтрольованого навчання.
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
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 1597–1607. link ↗
- van Engelen, J. E., & Hoos, H. H. (2020). A survey on semi-supervised learning. Machine Learning, 109(2), 373–440. DOI: 10.1007/s10994-019-05855-6 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/uk/machine-learning/self-supervised-logistic-regression
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.
- Логістична регресія (ML)Машинне навчання↔ compare
- Дерево рішень із самоконтрольованим навчаннямМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Логістична регресія з напівкерованим навчаннямМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →