Heikosti valvottu Variaatioautokooderi
Heikosti valvottu variaatioautokooderi (WS-VAE) laajentaa standardia VAE-generatiivista kehystä sisällyttämällä osittaisia, kohinaisia tai karkeita ohjaussignaaleja — kuten joukkoistettuja tunnisteita, heuristisia sääntöjä tai ohjelmallisia annotaatioita — ohjaamaan piilevän tilan oppimista ilman täysin annotoitua dataa. Sitä sovelletaan laajalti tietokonenäössä, NLP:ssä ja biolääketieteellisillä aloilla, joissa täydelliset totuusarvotunnisteet ovat kalliita tai saatavilla.
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 International Conference on Learning Representations (ICLR 2014). link ↗
- Kingma, D. P., Mohamed, S., Rezende, D. J. & Welling, M. (2014). Semi-supervised learning with deep generative models. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/fi/deep-learning/weakly-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.
- Generatiivinen kilpaileva verkkoSyväoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Variational AutoencoderSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →