Gyengén felügyelt Variációs Autoencoder
A gyengén felügyelt variációs autoencoder (WS-VAE) kiterjeszti a standard VAE generatív keretrendszerét részleges, zajos vagy durva felügyeleti jelek – mint például közösségi címkék, heurإisztikus szabályok vagy programozási annotációk – beépítésével, hogy a latens tér tanulását vezérelje anélkül, hogy teljes körűen annotált adatokra lenne szükség. Széles körben alkalmazzák a számítógépes látás, a természetes nyelvfeldolgozás és az orvosbiológiai területeken, ahol a teljes körű valós címkék költségesek vagy nem állnak rendelkezésre.
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 International Conference on Learning Representations (ICLR 2014). link ↗
- Kingma, D. P., Mohamed, S., Rezende, D. J. & Welling, M. (2014). Semi-supervised learning with deep generative models. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/hu/deep-learning/weakly-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.
- Generative Adversarial NetworkMélytanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →