Aprendizaje por transferencia con autoencoder variacional
El aprendizaje por transferencia con un autoencoder variacional (TL-VAE) reutiliza un codificador y/o decodificador preentrenado en un gran conjunto de datos de origen y lo adapta a un dominio objetivo más pequeño. Al heredar un espacio latente probabilístico rico en lugar de comenzar con pesos aleatorios, el TL-VAE reduce drásticamente la cantidad de datos del dominio objetivo necesarios para una generación o un aprendizaje de representación de alta calidad.
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., & 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/es/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.
- Red Neuronal Generativa Adversaria Finamente AjustadaAprendizaje profundo↔ compare
- Autoencoder Variacional AjustadoAprendizaje profundo↔ compare
- Red Generativa AntagónicaAprendizaje profundo↔ compare
- Autoencoder Variacional Semi-supervisadoAprendizaje profundo↔ compare
- Aprendizaje por transferencia con Red Neuronal ConvolucionalAprendizaje profundo↔ compare
- Autoencoder VariacionalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →