Домейн-адаптивен вариационен автоенкодер
Домейн-адаптивен вариационен автоенкодер (DA-VAE) разширява стандартната VAE рамка, за да научи разплетени латентни представяния, които разделят вариациите, специфични за домейна, от съдържание, свързано с класа и инвариантно спрямо домейна, което позволява на модели, обучени върху изходен домейн, да обобщават ефективно към различен, но свързан целеви домейн с ограничени или никакви целеви етикети.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/bg/deep-learning/domain-adaptive-variational-autoencoder
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.
- Генеративна състезателна мрежаДълбоко обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →