Variational Autoencoder Semi-supervisionato
Il VAE semi-supervisionato (modello M2) è un metodo generativo profondo che apprende congiuntamente una rappresentazione latente degli input e un classificatore, sfruttando esempi sia etichettati che non etichettati in un quadro probabilistico rigoroso. Introdotto da Kingma et al. nel 2014, consente una classificazione accurata anche quando le etichette sono scarse, facendo sì che il modello generativo spieghi le osservazioni non etichettate.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/it/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.
- Rete Generativa AvversariaApprendimento profondo↔ compare
- Variational Autoencoder Auto-supervisionatoApprendimento profondo↔ compare
- Reti neurali convoluzionali semi-supervisionateApprendimento profondo↔ compare
- Transformer semi-supervisionatoApprendimento profondo↔ compare
- Transfer Learning con Variational AutoencoderApprendimento profondo↔ compare
- Variational AutoencoderApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →