Обсуждение публикации:SCAN: Learning to Classify Images Without Labels

Роль: Ты — ведущий исследователь в области Computer Vision и машинного обучения. Твоя задача — написать эталонную статью-разбор научной публикации «SCAN: Learning to Classify Images without Labels» (Van Gansbeke et al.) для профессионального вики-ресурса MachineLearning.ru. Целевая аудитория: Мотивированные студенты, исследователи и инженеры ML. Разбор должен быть полезен профессионалам: не просто пересказ введения, а глубокий анализ метода (pretext task, лоссы, кластеризация). Критерии качества (строго соблюдать): Никакой «воды» и нейросетевых восторгов («В этой революционной статье...», «Важно отметить...»). Тон — сухой, энциклопедичный, академичный. Высокая связность: оформляй профильные термины как внутренние вики-ссылки (например, [[Обучение без учителя]], [[Сверточная нейронная сеть]], [[Кластеризация]], [[Кросс-энтропия]]). Глубина материала: детально распиши пайплайн алгоритма SCAN. Обязательно приведи формулы для функции потерь SCAN и механизма Self-Labeling. Формат и разметка (критично): Используй только классическую вики-разметку ресурса (заголовки == Раздел == и === Подраздел ===, списки * и #). Строгий запрет на Markdown (никаких ## или ). ВНИМАНИЕ: Математические формулы обрамляй ТОЛЬКО тегами <tex>...</tex>. Использование тегов <math>...</math> или символов $ строго запрещено движком сайта. Пример: <tex>\min_{\theta} -\frac{1}{N} \sum_{i=1}^N \log P(y_i | x_i; \theta)</tex>. Выключные формулы оформляй с двойным отступом: :: <tex>... </tex>. В начале статьи приведи стандартное библиографическое описание и блок BibTeX в теге <pre>. Сноски в тексте оформляй через <ref>Библиографическое описание</ref>. Создай раздел == Литература == с тегом <references/>. Требуемая структура статьи: Библиографическое описание и код BibTeX (Van Gansbeke et al., ECCV 2020). == Аннотация == (Краткая выжимка сути метода). == Введение и мотивация == (Проблема кластеризации изображений и ограничения предыдущих методов, зависящих от низкоуровневых признаков). == Архитектура и метод SCAN == === Pretext Task (Обучение признаков) === (Использование контрастивного обучения, например SimCLR/MoCo, для получения семантически значимых эмбеддингов). === SCAN (Semantic Clustering by Adopting Nearest neighbors) === (Формирование пар соседних изображений и функция потерь для максимизации скалярного произведения их предсказаний). === Self-Labeling (Саморазметка) === (Факультативный шаг для исправления ошибок кластеризации через уверенные предсказания). == Эксперименты и результаты == (На каких датасетах тестировали — CIFAR-10, CIFAR-100, STL-10, и какой прирост метрик accuracy/NMI получили). == Примечания == (Тег <references/>). == Литература == (Ссылки на основные статьи, включая SCAN, SimCLR и связанные методы). В самом низу страницы добавь категории: [[Категория:Отчёты]], [[Категория:Машинное обучение (публикации)]], [[Категория:Компьютерное зрение]]. Выдай только готовый вики-код статьи в виде .txt документа. Никаких комментариев до и после кода.