Apprentissage par transfert avec autoencodeur variationnel
L'apprentissage par transfert avec un autoencodeur variationnel (TL-VAE) réutilise un encodeur et/ou un décodeur pré-entraîné sur un grand jeu de données source et l'adapte à un domaine cible plus petit. En héritant d'un espace latent probabiliste riche plutôt qu'en partant de poids aléatoires, le TL-VAE réduit considérablement la quantité de données du domaine cible nécessaire pour un apprentissage de représentations ou une génération de haute qualité.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/fr/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.
- Réseau antagoniste génératif finement ajustéApprentissage profond↔ compare
- Variational Autoencoder affinéApprentissage profond↔ compare
- Réseau antagoniste génératifApprentissage profond↔ compare
- Autoencodeur variationnel semi-superviséApprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal convolutifApprentissage profond↔ compare
- Autoencodeur VariationnelApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →