| http://dbpedia.org/ontology/abstract
|
Self-supervised learning (SSL) is a method … Self-supervised learning (SSL) is a method of machine learning. It learns from unlabeled sample data. It can be regarded as an intermediate form between supervised and unsupervised learning. It is based on an artificial neural network or other model such as a decision list. The model learns in two steps. First, the task is solved based on pseudo-labels which help to initialize the model parameters. Second, the actual task is performed with supervised or unsupervised learning. Self-supervised learning has produced promising results in recent years and has found practical application in audio processing and is being used by Facebook and others for speech recognition. The primary appeal of SSL is that training can occur with data of lower quality, rather than improving ultimate outcomes. Self-supervised learning more closely imitates the way humans learn to classify objects. the way humans learn to classify objects.
, L'apprentissage auto-supervisé ("self-supe … L'apprentissage auto-supervisé ("self-supervised learning" en anglais) (SSL) est une méthode d' apprentissage automatique . Il apprend à partir d'échantillons de données non étiquetés. Il peut être considéré comme une forme intermédiaire entre l'apprentissage supervisé et non supervisé. Il est basé sur un réseau de neurones artificiels . Le réseau de neurones apprend en deux étapes. Tout d'abord, la tâche est résolue sur la base de pseudo-étiquettes qui aident à initialiser les poids du réseau. Deuxièmement, la tâche réelle est effectuée avec un apprentissage supervisé ou non supervisé. L'apprentissage auto-supervisé a produit des résultats prometteurs ces dernières années et a trouvé une application pratique dans le traitement audio et est utilisé par Facebook et d'autres pour la reconnaissance vocale . Le principal attrait du SSL est que la formation peut se produire avec des données de qualité inférieure, plutôt que d'améliorer les résultats finaux. L'apprentissage auto-supervisé imite de plus près la façon dont les humains apprennent à classifier les objets.umains apprennent à classifier les objets.
, Selbstüberwachtes Lernen ist ein Teilgebie … Selbstüberwachtes Lernen ist ein Teilgebiet des maschinellen Lernens, das eine Zwischenform von überwachtem und unüberwachtem Lernen darstellt. Es handelt sich um eine Art autonomes Lernen mit Hilfe künstlicher neuronaler Netze, bei dem keine durch Menschen im Voraus klassifizierten Beispieldaten benötigt werden. Zunächst wird das Netzwerk mit einer Voraufgabe (pretext task) konfrontiert, die vergleichsweise einfach zu lösen und auszuwerten sind, aber ein hohes Maß an semantischem Verständnis der Daten erfordert, welches wiederum für die Lösung einer anderen, nachgelagerten Aufgabe (downstream task) nützlich ist. Während der erste Schritt meist auf durch Transformationen der Ursprungsdaten generierten Pseudo-Labeln basiert, kann die eigentliche Klassifikation mit überwachtem oder unüberwachtem Lernen durchgeführt werden. Die Idee hinter der Voraufgabe ist, dass das Lösen dieser vergleichsweise einfachen Fragestellung die Gewichte des neuronalen Netzes so initialisiert, dass das Modell auch für andere Anwendungen nützlich sein kann. Selbstüberwachtes Lernen hat in den letzten Jahren vielversprechende Ergebnisse hervorgebracht und bereits praktische Anwendung in der Bild-, Video- und Audioverarbeitung gefunden und wird unter anderem von Facebook zur automatischen Spracherkennung genutzt.zur automatischen Spracherkennung genutzt.
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
https://www.sciencedirect.com/science/article/pii/S0968432817303037%7Cjournal=Micron%7Clanguage=en%7Cvolume=107%7Cpages=55%E2%80%9371%7Cdoi=10.1016/j.micron.2018.01.010%7Cpmid=29425969%7Cissn=0968-4328 +
, https://www.marktechpost.com/2021/09/30/google-ais-new-study-enhance-reinforcement-learning-rl-agents-generalization-in-unseen-tasks-using-contrastive-behavioral-similarity-embeddings/%7Caccess-date=2021-10-07%7Cwebsite=MarkTechPost%7Clanguage=en-US +
, https://medium.com/toyota-ventures/self-supervised-learning-a-key-to-unlocking-self-driving-cars-408b7a6fd3bd%7Caccess-date=2021-10-05%7Cwebsite=Toyota +
, https://aclanthology.org/P95-1026/%7Cjournal=Proceedings +
, https://ieeexplore.ieee.org/document/7410524%7Cjournal=2015 +
, https://ieeexplore.ieee.org/document/8237488%7Cjournal=2017 +
|
| http://dbpedia.org/ontology/wikiPageID
|
67902375
|
| http://dbpedia.org/ontology/wikiPageLength
|
12243
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1119692282
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Language_model +
, http://dbpedia.org/resource/Polysemy +
, http://dbpedia.org/resource/Yarowsky_algorithm +
, http://dbpedia.org/resource/Gradient_descent +
, http://dbpedia.org/resource/Word_sense_disambiguation +
, http://dbpedia.org/resource/Speech_recognition +
, http://dbpedia.org/resource/ImageNet +
, http://dbpedia.org/resource/Semi-supervised_learning +
, http://dbpedia.org/resource/OpenAI +
, http://dbpedia.org/resource/Convolutional_neural_networks +
, http://dbpedia.org/resource/Decision_list +
, http://dbpedia.org/resource/BERT_%28language_model%29 +
, http://dbpedia.org/resource/Data +
, http://dbpedia.org/resource/Supervised_learning +
, http://dbpedia.org/resource/Audio_signal_processing +
, http://dbpedia.org/resource/Artificial_neural_network +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/Transfer_learning +
, http://dbpedia.org/resource/Unsupervised_learning +
, http://dbpedia.org/resource/Google +
, http://dbpedia.org/resource/Category:Machine_learning +
, http://dbpedia.org/resource/Loss_function +
, http://dbpedia.org/resource/Facebook +
, http://dbpedia.org/resource/GPT-3 +
, http://dbpedia.org/resource/Natural_language_processing +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Cite_journal +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Cite_web +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Machine_learning +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Self-supervised_learning?oldid=1119692282&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Self-supervised_learning +
|
| owl:sameAs |
http://de.dbpedia.org/resource/Selbst%C3%BCberwachtes_Lernen +
, http://fr.dbpedia.org/resource/Apprentissage_auto-supervis%C3%A9 +
, http://dbpedia.org/resource/Self-supervised_learning +
, http://www.wikidata.org/entity/Q77562367 +
, https://global.dbpedia.org/id/E7GK7 +
, http://ko.dbpedia.org/resource/%EC%9E%90%EA%B8%B0_%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5 +
|
| rdfs:comment |
L'apprentissage auto-supervisé ("self-supe … L'apprentissage auto-supervisé ("self-supervised learning" en anglais) (SSL) est une méthode d' apprentissage automatique . Il apprend à partir d'échantillons de données non étiquetés. Il peut être considéré comme une forme intermédiaire entre l'apprentissage supervisé et non supervisé. Il est basé sur un réseau de neurones artificiels . Le réseau de neurones apprend en deux étapes. Tout d'abord, la tâche est résolue sur la base de pseudo-étiquettes qui aident à initialiser les poids du réseau. Deuxièmement, la tâche réelle est effectuée avec un apprentissage supervisé ou non supervisé. L'apprentissage auto-supervisé a produit des résultats prometteurs ces dernières années et a trouvé une application pratique dans le traitement audio et est utilisé par Facebook et d'autres pour la reconnai par Facebook et d'autres pour la reconnai
, Selbstüberwachtes Lernen ist ein Teilgebie … Selbstüberwachtes Lernen ist ein Teilgebiet des maschinellen Lernens, das eine Zwischenform von überwachtem und unüberwachtem Lernen darstellt. Es handelt sich um eine Art autonomes Lernen mit Hilfe künstlicher neuronaler Netze, bei dem keine durch Menschen im Voraus klassifizierten Beispieldaten benötigt werden. Zunächst wird das Netzwerk mit einer Voraufgabe (pretext task) konfrontiert, die vergleichsweise einfach zu lösen und auszuwerten sind, aber ein hohes Maß an semantischem Verständnis der Daten erfordert, welches wiederum für die Lösung einer anderen, nachgelagerten Aufgabe (downstream task) nützlich ist. Während der erste Schritt meist auf durch Transformationen der Ursprungsdaten generierten Pseudo-Labeln basiert, kann die eigentliche Klassifikation mit überwachtem oder unüberwacssifikation mit überwachtem oder unüberwac
, Self-supervised learning (SSL) is a method … Self-supervised learning (SSL) is a method of machine learning. It learns from unlabeled sample data. It can be regarded as an intermediate form between supervised and unsupervised learning. It is based on an artificial neural network or other model such as a decision list. The model learns in two steps. First, the task is solved based on pseudo-labels which help to initialize the model parameters. Second, the actual task is performed with supervised or unsupervised learning. Self-supervised learning has produced promising results in recent years and has found practical application in audio processing and is being used by Facebook and others for speech recognition. The primary appeal of SSL is that training can occur with data of lower quality, rather than improving ultimate outcomes. Selfher than improving ultimate outcomes. Self
|
| rdfs:label |
Self-supervised learning
, Selbstüberwachtes Lernen
, Apprentissage auto-supervisé
, 자기 지도 학습
|
