Semi-supervised Diffusion Model
Semi-supervised diffusion model rozšiřuje pravděpodobnostní rámec denoising diffusion (rozptylových modelů) na nastavení, kde pouze zlomek trénovacích vzorků nese popisky tříd. Kombinací nekondicionálního difuzního jádra s odlehčeným klasifikátorem trénovaným na označených příkladech se model naučí generovat vysoce kvalitní výstupy podmíněné popiskem, přičemž stále využívá strukturu v neoznačených datech.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Sohl-Dickstein, J., Weiss, E., Maheswaranathan, N., & Ganguli, S. (2015). Deep Unsupervised Learning using Nonequilibrium Thermodynamics. Proceedings of the 32nd International Conference on Machine Learning (ICML), 2256–2265. link ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/cs/deep-learning/semi-supervised-diffusion-model
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.
- Generativní adversariální síťHluboké učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →