ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

Variational Autoencoder Fine-Tuned

Un Variational Autoencoder Fine-Tuned (Fine-Tuned VAE) inizia con un VAE pre-addestrato su un ampio dataset sorgente e prosegue poi l'addestramento su un dataset di dominio target più piccolo. Questo approccio adatta la rappresentazione latente appresa e la capacità generativa a nuovi dati, preservando la struttura generale mentre si specializza sulla distribuzione target — producendo risultati migliori rispetto all'addestramento da zero quando i dati etichettati o i dati target sono scarsi.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link
  2. 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

Come citare questa pagina

ScholarGate. (2026, June 3). Fine-Tuned Variational Autoencoder (Domain-Adapted VAE). ScholarGate. https://scholargate.app/it/deep-learning/fine-tuned-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.

Compare side by side

Citato da

ScholarGateFine-Tuned Variational Autoencoder (Fine-Tuned Variational Autoencoder (Domain-Adapted VAE)). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/fine-tuned-variational-autoencoder · Insieme di dati: https://doi.org/10.5281/zenodo.20539026