Machine learningDeep learning / NLP / CV
준지도 학습 변이형 오토인코더
준지도 VAE (M2 모델)는 레이블이 지정된 예제와 레이블이 지정되지 않은 예제를 모두 원칙적인 확률론적 프레임워크에서 활용하여 입력의 잠재 표현과 분류기를 공동으로 학습하는 심층 생성 방법입니다. 2014년 Kingma 등이 도입한 이 방법은 생성 모델이 레이블이 지정되지 않은 관측치를 설명함으로써 레이블이 부족한 경우에도 정확한 분류를 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/ko/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.
- 생성적 적대 신경망딥러닝↔ compare
- 자기 지도 변분형 오토인코더딥러닝↔ compare
- 준지도학습 합성곱 신경망딥러닝↔ compare
- 준지도 학습 트랜스포머딥러닝↔ compare
- Variational Autoencoder를 이용한 전이 학습딥러닝↔ compare
- Variational Autoencoder딥러닝↔ compare