Transfer Learning mit Variational Autoencoder
Transfer Learning mit einem Variational Autoencoder (TL-VAE) nutzt einen auf einem großen Quellendatensatz vortrainierten Encoder und/oder Decoder wieder und passt ihn an eine kleinere Zieldomäne an. Durch die Übernahme eines reichhaltigen probabilistischen latenten Raums anstelle des Starts mit zufälligen Gewichten reduziert TL-VAE dramatisch die Menge an Zieldomänendaten, die für qualitativ hochwertige Generierungs- oder Repräsentationslernaufgaben benötigt werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/de/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.
- Fine-Tuned Generative Adversarial NetworkDeep Learning↔ compare
- Feinabgestimmter Variational AutoencoderDeep Learning↔ compare
- Generative Adversarial NetworkDeep Learning↔ compare
- Semi-supervised Variational AutoencoderDeep Learning↔ compare
- Transfer Learning mit Convolutional Neural NetworkDeep Learning↔ compare
- Variationaler AutoencoderDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →