Semiovervåget diffusionsmodel
En semiovervåget diffusionsmodel udvider den støjreducerende probabilistiske diffusionsramme til situationer, hvor kun en brøkdel af træningsprøverne har klasselabels. Ved at kombinere en ubetinget diffusions-backbone med en letvægtsklassifikator, der er trænet på mærkede eksempler, lærer den at generere output af høj kvalitet, der er betinget af labels, samtidig med at den udnytter strukturen i umærkede data.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/da/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.
- Generativ modstridende netværkDyb læring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- Variational AutoencoderDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →