Самообучаващ се вариационен автоенкодер
Самообучаващ се вариационен автоенкодер (SS-VAE) комбинира генеративното учене на латентно пространство на стандартен VAE със самообучаващи се предварителни задачи — като контрастно увеличаване, маскирана реконструкция или предсказване на ротация — за научаване на по-богати, по-разплетени представяния от немаркирани данни без никаква ръчна анотация.
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
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2021). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/bg/deep-learning/self-supervised-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.
- Фино настроен вариационен автоенкодерДълбоко обучение↔ compare
- Генеративна състезателна мрежаДълбоко обучение↔ compare
- Мултимодален вариационен автоенкодерДълбоко обучение↔ compare
- Самообучаваща се конволюционна невронна мрежаДълбоко обучение↔ compare
- Полу-наблюдаван вариационен автоенкодерДълбоко обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →