Önfelügyelt Variációs Autokódoló
Az Önfelügyelt Variációs Autokódoló (SS-VAE) ötvözi a standard VAE generatív latens-térbeli tanulását önfelügyelt előfeladatokkal – mint például kontrasztív augmentáció, maszkolt rekonstrukció vagy rotációs predikció –, hogy címkézetlen adatokból gazdagabb, jobban szétválasztott reprezentációkat tanuljon, manuális annotáció nélkül.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/hu/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.
- Finomhangolt Variációs AutoenkóderMélytanulás↔ compare
- Generative Adversarial NetworkMélytanulás↔ compare
- Multimodális Variációs AutokódolóMélytanulás↔ compare
- Önfelügyelt konvolúciós neurális hálózatMélytanulás↔ compare
- Félfelügyelt Variációs AutokódolóMélytanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →