1. Self-Supervised Learning (SSL)的主要思想是解决先验任务来学习特征提取器，在不使用标签的情况下生成有用的表示。　这里先验任务是指，　先使用原始数据和特征提取器来提取出　数据的有效表示．

2. 对比方法(即对比学习， Contrastive Learning )是一类 SSL 方法:
   它根据数据增强（例如 SimCLR [1]）优化编码器以输出相同数据的不同视图的相似的embeding。

对比学习也可以通过称为监督对比学习 (SCL) 的框架成功利用，该框架仅使用分类标签在类似于 SimCL 的对比设置中对正对进行分组，从而在几个计算机视觉上进行最先进的分类

在音频中，先前使用对比方法的工作建议使用训练示例的合成混合来生成视图[2]，以及声音分离[3]，或者通过从音频片段中采样片段来生成对[4]

交叉熵训练　与　监督对比学习训练，用于提高分类效果；