Полу-наблюдаван вариационен автоенкодер
Полу-наблюдаваният VAE (модел M2) е метод за дълбоко генеративно обучение, който съвместно научава латентно представяне на входовете и класификатор, използвайки както етикетирани, така и немаркирани примери в принципна вероятностна рамка. Въведен от Kingma et al. през 2014 г., той позволява точна класификация дори когато етикетите са оскъдни, като генеративният модел обяснява немаркираните наблюдения.
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., Mohamed, S., Rezende, D. J., & Wierstra, D. (2014). Semi-supervised learning with deep generative models. Advances in Neural Information Processing Systems (NeurIPS), 27, 3581–3589. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/bg/deep-learning/semi-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.
- Генеративна състезателна мрежаДълбоко обучение↔ compare
- Самообучаващ се вариационен автоенкодерДълбоко обучение↔ compare
- Полу-наблюдавана конволюционна невронна мрежаДълбоко обучение↔ compare
- Трансформер с полунаблюдавано обучениеДълбоко обучение↔ compare
- Трансферно обучение с вариационен автоенкодерДълбоко обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →