Domēnam adaptīvs variāciju autoenkodērs
Domain-Adaptive Variational Autoencoder (DA-VAE) paplašinājums standarta VAE ietvaram, lai apgūtu atšķirtas latento reprezentāciju, kas atdala domēnai specifiskās variācijas no klasei nozīmīgā un domēnai neatkarīgā satura, ļaujot modeļiem, kas apmācīti avota domēnā, efektīvi vispārināt uz citu, bet saistītu mērķa domēnu ar ierobežotām vai bez mērķa etiķetēm.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/lv/deep-learning/domain-adaptive-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.
- Generatīvais Adversariālais TīklsDziļā mācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →