Autoencoder Variacional Semi-supervisado
El VAE semi-supervisado (modelo M2) es un método generativo profundo que aprende conjuntamente una representación latente de las entradas y un clasificador, aprovechando ejemplos tanto etiquetados como no etiquetados en un marco probabilístico riguroso. Introducido por Kingma et al. en 2014, permite una clasificación precisa incluso cuando las etiquetas son escasas, haciendo que el modelo generativo explique las observaciones no etiquetadas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/es/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.
- Red Generativa AntagónicaAprendizaje profundo↔ compare
- Autoencoder Variacional Auto-supervisadoAprendizaje profundo↔ compare
- Red Neuronal Convolucional Semi-supervisadaAprendizaje profundo↔ compare
- Transformer semi-supervisadoAprendizaje profundo↔ compare
- Aprendizaje por transferencia con autoencoder variacionalAprendizaje profundo↔ compare
- Autoencoder VariacionalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →