خودرمزگذار متغیر نیمهنظارتشده
خودرمزگذار متغیر نیمهنظارتشده (مدل M2) یک روش مولد عمیق است که به طور مشترک یک نمایش نهفته از ورودیها و یک طبقهبند را یاد میگیرد و از هر دو مثال برچسبدار و بدون برچسب در یک چارچوب احتمالی اصولی بهره میبرد. این روش که توسط کینگما و همکاران در سال ۲۰۱۴ معرفی شد، با داشتن مدل مولد که مشاهدات بدون برچسب را توضیح میدهد، امکان طبقهبندی دقیق را حتی زمانی که برچسبها کمیاب هستند، فراهم میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/fa/deep-learning/semi-supervised-variational-autoencoder
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- شبکه مولد تخاصمییادگیری عمیق↔ مقایسه
- خود-نظارتی خودرمزگذار متغیر (SS-VAE)یادگیری عمیق↔ مقایسه
- شبکه عصبی کانولوشنی نیمهنظارتشدهیادگیری عمیق↔ مقایسه
- ترنسفورمر نیمهنظارتییادگیری عمیق↔ مقایسه
- یادگیری انتقالی با خودرمزگذار متغیریادگیری عمیق↔ مقایسه
- Variational Autoencoderیادگیری عمیق↔ مقایسه
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →