Pembelajaran Transfer dengan Autoencoder Variasional
Pembelajaran Transfer dengan Autoencoder Variasional (TL-VAE) menggunakan kembali encoder dan/atau decoder yang telah dilatih sebelumnya pada kumpulan data sumber yang besar dan mengadaptasinya ke domain target yang lebih kecil. Dengan mewarisi ruang laten probabilistik yang kaya daripada memulai dari bobot acak, TL-VAE secara dramatis mengurangi jumlah data domain target yang dibutuhkan untuk generasi berkualitas tinggi atau pembelajaran representasi.
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., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). link ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/id/deep-learning/transfer-learning-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 Adverarial Generatif yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Variational Autoencoder yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- Variational Autoencoder Semi-terawasiPembelajaran Mendalam↔ compare
- Transfer Learning dengan Convolutional Neural NetworkPembelajaran Mendalam↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →