Слабо контролиран вариационен автоенкодер
Слабо контролиран вариационен автоенкодер (WS-VAE) разширява стандартната генеративна рамка на VAE, като включва частични, шумни или груби контролиращи сигнали — като етикети от краудсорсинг, евристични правила или програмни анотации — за насочване на ученето на латентното пространство, без да се изисква напълно анотирани данни. Той се прилага широко в компютърното зрение, обработката на естествен език и биомедицинските области, където пълните етикети на истинността са скъпи или недостъпни.
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 International Conference on Learning Representations (ICLR 2014). link ↗
- Kingma, D. P., Mohamed, S., Rezende, D. J. & Welling, M. (2014). Semi-supervised learning with deep generative models. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/bg/deep-learning/weakly-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
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →