Học chuyển giao tự giám sát
Học chuyển giao tự giám sát kết hợp hai mô hình mạnh mẽ: mô hình trước tiên học các biểu diễn phong phú từ dữ liệu không nhãn bằng các tác vụ giả (pretext tasks) tự giám sát, sau đó các biểu diễn đã học này được chuyển giao và tinh chỉnh trên một tác vụ hạ nguồn (downstream task) với dữ liệu có nhãn hạn chế. Cách tiếp cận này là nền tảng cho các hệ thống mang tính bước ngoặt như BERT trong NLP và SimCLR, DINO trong thị giác máy tính, giúp giảm đáng kể yêu cầu về dữ liệu có nhãn trên nhiều lĩnh vực.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Self-supervised Pre-training for Transfer Learning. ScholarGate. https://scholargate.app/vi/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.
- Few-shot LearningHọc máy↔ compare
- Học đo lường (Metric Learning)Học máy↔ compare
- Học Tăng Cường Tự Giám Sát Ít MẫuHọc máy↔ compare
- Học tăng cường tự giám sátHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- Transfer LearningHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →