Itseohjautuva variaatioautomaattinen enkooderi
Itseohjautuva variaatioautomaattinen enkooderi (SS-VAE) yhdistää tavallisen VAE:n generatiivisen piilevän tilan oppimisen itseohjautuviin esitehtäviin – kuten kontrastiiviseen augmentaatioon, maskattuun rekonstruktioon tai rotaatioprediktioon – oppiakseen rikkaampia, paremmin eroteltuja representaatioita merkitsemättömästä datasta ilman manuaalista annotointia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2021). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/fi/deep-learning/self-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.
- Hienosäädetty variaatioautokooderiSyväoppiminen↔ compare
- Generatiivinen kilpaileva verkkoSyväoppiminen↔ compare
- Monimuotoinen variaatioautomaattinen enkooderiSyväoppiminen↔ compare
- Itseohjautuva konvoluutioneuronaaliverkkoSyväoppiminen↔ compare
- Puoliksi ohjattu variaatioautomaattinen enkooderiSyväoppiminen↔ compare
- Variational AutoencoderSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →