Autoencoder Variacional feblement supervisat
Un Autoencoder Variacional feblement supervisat (WS-VAE) estén el marc generatiu estàndard del VAE incorporant senyals de supervisió parcials, sorollosos o aproximats — com ara etiquetes obtingudes per crowdsourcing, regles heurístiques o anotacions programàtiques — per guiar l'aprenentatge de l'espai latent sense requerir dades completament anotades. S'aplica àmpliament en visió per computador, PLN i dominis biomèdics on les etiquetes de veritat absoluta són cares o no estan disponibles.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/ca/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.
- Generative Adversarial NetworkAprenentatge profund↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Variational AutoencoderAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →