Félfelügyelt diffúziós modell
A félfelügyelt diffúziós modell a denozing diffúziós valószínűségi keretrendszert olyan beállításokra terjeszti ki, ahol a tréningminták csupán egy töredéke rendelkezik osztálycímkével. Egy feltétlen diffúziós gerinc (backbone) és a címkézett példákon tanított, könnyűsúlyú osztályozó kombinálásával a modell nagy minőségű, címkével feltételezett kimeneteket tanul generálni, miközben továbbra is kihasználja a címkézetlen adatokban rejlő struktúrát.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Sohl-Dickstein, J., Weiss, E., Maheswaranathan, N., & Ganguli, S. (2015). Deep Unsupervised Learning using Nonequilibrium Thermodynamics. Proceedings of the 32nd International Conference on Machine Learning (ICML), 2256–2265. link ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/hu/deep-learning/semi-supervised-diffusion-model
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.
- Generative Adversarial NetworkMélytanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →