Polo-supervizovaný variační autoenkodér
Polo-supervizovaný VAE (model M2) je hluboká generativní metoda, která společně učí latentní reprezentaci vstupů a klasifikátor, přičemž využívá jak označené, tak neoznačené příklady v principálním pravděpodobnostním rámci. Představený Kingmou et al. v roce 2014, umožňuje přesnou klasifikaci i při nedostatku označení tím, že generativní model vysvětluje neoznačená pozorování.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/cs/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.
- Generativní adversariální síťHluboké učení↔ compare
- Samo-dohledový variační autoenkodérHluboké učení↔ compare
- Polozavedená konvoluční neuronová síťHluboké učení↔ compare
- Semi-supervised TransformerHluboké učení↔ compare
- Přenosové učení s variačním autoenkodéremHluboké učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →