یادگیری انتقالی با خودرمزگذار متغیر
یادگیری انتقالی با خودرمزگذار متغیر (TL-VAE) یک رمزگذار و/یا رمزگشا از پیش آموزشدیده بر روی یک مجموعه داده منبع بزرگ را مجدداً استفاده کرده و آن را با دامنه هدف کوچکتر تطبیق میدهد. با به ارث بردن یک فضای نهفته احتمالی غنی به جای شروع از وزنهای تصادفی، TL-VAE به طور چشمگیری مقدار داده دامنه هدف مورد نیاز برای تولید با کیفیت بالا یا یادگیری نمایش را کاهش میدهد.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/fa/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.
- شبکه مولد تخاصمی تنظیمشده (Fine-Tuned Generative Adversarial Network)یادگیری عمیق↔ compare
- بهینهسازی خودرمزگذار متغیر تنظیمشده (Fine-Tuned Variational Autoencoder)یادگیری عمیق↔ compare
- شبکه مولد تخاصمییادگیری عمیق↔ compare
- خودرمزگذار متغیر نیمهنظارتشدهیادگیری عمیق↔ compare
- یادگیری انتقالی با شبکههای عصبی کانولوشنییادگیری عمیق↔ compare
- Variational Autoencoderیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →