Variational Autoencoder Semi-terawasi
VAE semi-terawasi (model M2) adalah metode generatif mendalam yang secara bersamaan mempelajari representasi laten dari masukan dan sebuah pengklasifikasi, memanfaatkan contoh berlabel maupun tidak berlabel dalam kerangka probabilistik yang berprinsip. Diperkenalkan oleh Kingma dkk. pada tahun 2014, metode ini memungkinkan klasifikasi yang akurat bahkan ketika label langka dengan membiarkan model generatif menjelaskan observasi yang tidak berlabel.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Kingma, D. P., Mohamed, S., Rezende, D. J., & Wierstra, D. (2014). Semi-supervised learning with deep generative models. Advances in Neural Information Processing Systems (NeurIPS), 27, 3581–3589. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/id/deep-learning/semi-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.
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- Variational Autoencoder Swadaya-TerawasiPembelajaran Mendalam↔ compare
- Convolutional Neural Network Semi-terawasiPembelajaran Mendalam↔ compare
- Transformer Semi-terawasiPembelajaran Mendalam↔ compare
- Pembelajaran Transfer dengan Autoencoder VariasionalPembelajaran Mendalam↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →