Самокероване трансферне навчання
Самокероване трансферне навчання поєднує дві потужні парадигми: модель спочатку вивчає багаті представлення з нерозмічених даних за допомогою самокерованих попередніх завдань, а потім ці вивчені представлення переносяться та доналаштовуються для подальшого завдання з обмеженою кількістю розмічених даних. Цей підхід лежить в основі знакових систем, таких як BERT у NLP та SimCLR і DINO у комп'ютерному зорі, що значно зменшує потребу в розмічених даних у багатьох доменах.
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. In Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 1597–1607. link ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/uk/machine-learning/self-supervised-transfer-learning
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.
- Навчання з малою кількістю прикладівМашинне навчання↔ compare
- Навчання метрикМашинне навчання↔ compare
- Навчання з самоконтролем у режимі малого числа прикладівМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →