یادگیری بازنمایی تصاویر با استفاده از تبدیل سفیدکردن به صورت خودنظارت

یک مدل یادگیری ماشین نمی تواند مستقیما نمونه های ورودی را ببیند، بشنود یا حس کند و باید نمایشی از داده ها ایجاد شود تا مدل روی آن ها اثر کند. یعنی برای آموزش یک مدل باید مجموعه ای از ویژگی ها انتخاب شود که به بهترین شکل، نشان دهنده آن ها باشد. یک راه حل برای این مشکل استفاده از روش های خود نظارت برای کشف نمایش و ویژگی های داده است. این رویکردها، بدون استفاده از برچسب های داده ها بازنمایی و ویژگی ها را یاد می گیرند. یکی از معروف ترین روش های خود نظارتی یادگیری متضاد است که برای یادگیری بازنمایی ها از شباهت و تفاوت داده ها استفاده می کند؛ اما استفاده از این روش هزینه سنگین محاسباتی دارد، در این مقاله روش جایگزین دیگری برای آن ارائه خواهد شد.