خودرمزگذار متغیر سازگار با دامنه
خودرمزگذار متغیر سازگار با دامنه (DA-VAE) چارچوب استاندارد VAE را گسترش میدهد تا نمایشهای نهفته (latent representations) جدا شدهای را بیاموزد که تنوع خاص دامنه را از محتوای مرتبط با کلاس و نامتغیر نسبت به دامنه جدا میکند و به مدلهای آموزشدیده بر روی یک دامنه منبع اجازه میدهد تا به طور مؤثر به یک دامنه هدف متفاوت اما مرتبط با برچسبهای محدود یا بدون برچسب تعمیم یابند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/fa/deep-learning/domain-adaptive-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.
- شبکه مولد تخاصمییادگیری عمیق↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
- Variational Autoencoderیادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →