Variational Autoencoder Adaptif Domain
Variational Autoencoder Adaptif Domain (DA-VAE) memperluas kerangka VAE standar untuk mempelajari representasi laten yang terurai yang memisahkan variasi spesifik domain dari konten yang relevan dengan kelas dan invarian domain, memungkinkan model yang dilatih pada domain sumber untuk digeneralisasi secara efektif ke domain target yang berbeda namun terkait dengan label target yang terbatas atau tanpa label.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/id/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.
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- Transfer LearningPembelajaran Mesin↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →