Aluekohtaisesti mukautuva variaatioon perustuva automaattinen enkooderi
Domain-Adaptiivinen variaatioautomaattinen enkooderi (DA-VAE) laajentaa standardia VAE-kehystä oppimaan eroteltuja latentteja representaatioita, jotka erottavat domain-spesifisen vaihtelun luokkasidonnaisesta ja domain-invariantista sisällöstä, mahdollistaen lähdedomainissa koulutettujen mallien tehokkaan yleistymisen eri mutta liittyvään kohdedomainiin rajoitetuilla tai olemattomilla kohdetunnisteilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/fi/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.
- Generatiivinen kilpaileva verkkoSyväoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
- Variational AutoencoderSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →