Samonadzorovani varijacijski autoenkoder
Samonadzorovani varijacijski autoenkoder (SS-VAE) kombinira generativno učenje latentnog prostora standardnog VAE-a sa samonadzoriranim pretka zadacima — poput kontrastne augmentacije, maskirane rekonstrukcije ili predikcije rotacije — kako bi se iz podataka bez oznaka naučile bogatije, bolje razdvojene reprezentacije bez potrebe za ručnom anotacijom.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/hr/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.
- Podešeni Varijacijski AutoenkoderDuboko učenje↔ compare
- Generativna suparnička mrežaDuboko učenje↔ compare
- Višeslojni (Multimodalni) varijacijski autoenkoderDuboko učenje↔ compare
- Konvolucijska neuronska mreža sa samostalnim nadzoromDuboko učenje↔ compare
- Polu-nadgledani Varijacijski AutoenkoderDuboko učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →