Přenosové učení s variačním autoenkodérem
Přenosové učení s variačním autoenkodérem (TL-VAE) opětovně využívá kodér a/nebo dekodér předtrénovaný na velké zdrojové datové sadě a adaptuje jej na menší cílovou doménu. Díky zdědění bohatého pravděpodobnostního latentního prostoru, namísto začínání s náhodnými váhami, TL-VAE dramaticky snižuje množství dat z cílové domény potřebných pro vysoce kvalitní generování nebo učení reprezentací.
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., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). link ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/cs/deep-learning/transfer-learning-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.
- Dolaďovaná generativní adversariální síťHluboké učení↔ compare
- Jemně doladěný variační autoenkodérHluboké učení↔ compare
- Generativní adversariální síťHluboké učení↔ compare
- Polo-supervizovaný variační autoenkodérHluboké učení↔ compare
- Přenosové učení s konvoluční neuronovou sítíHluboké učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →