Nõrgalt juhendatud variatsiooniline autoenkooder
Nõrgalt juhendatud variatsiooniline autoenkooder (WS-VAE) laiendab standardset VAE generatiivset raamistikku, kaasates osalisi, mürarohkeid või jämedaid juhendussignaale – nagu rahvahulgast kogutud sildid, heuristilised reeglid või programmilised annotatsioonid – et suunata latentse ruumi õppimist ilma täielikult märgistatud andmeid nõudmata. Seda rakendatakse laialdaselt arvutinägemise, NLP ja biomeditsiini valdkondades, kus täielikud tõepõhised sildid on kallid või kättesaamatud.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the International Conference on Learning Representations (ICLR 2014). link ↗
- Kingma, D. P., Mohamed, S., Rezende, D. J. & Welling, M. (2014). Semi-supervised learning with deep generative models. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/et/deep-learning/weakly-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.
- Generatiivne võistlev võrkSüvaõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- Variational AutoencoderSüvaõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →