Varijacijski automatski enkoder prilagodljiv domeni
Varijacijski automatski enkoder prilagodljiv domeni (DA-VAE) proširuje standardni VAE okvir za učenje razdvojenih latentnih reprezentacija koje odvajaju varijacije specifične za domenu od sadržaja relevantnog za klasu i invarijantnog na domenu, omogućujući modelima treniranim na izvornoj domeni da se učinkovito generaliziraju na različitu, ali povezanu ciljnu domenu s ograničenim ili bez ciljnih oznaka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/hr/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.
- Generativna suparnička mrežaDuboko učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →