Pusщата pašuzraudzītā autoenkodera metode (Semi-supervised Variational Autoencoder)
Pusщата pašuzraudzītā VAE (M2 modelis) ir dziļa ģeneratīva metode, kas vienlaicīgi apgūst ievadīto datu latento reprezentāciju un klasifikatoru, izmantojot gan iezīmētus, gan neiezīmētus piemērus principialā probabilistiskā sistēmā. Ieviestā Kingma et al. 2014. gadā, tā nodrošina precīzu klasifikāciju pat tad, ja iezīmju ir maz, ļaujot ģeneratīvajam modelim izskaidrot neiezīmētus novērojumus.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/lv/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.
- Generatīvais Adversariālais TīklsDziļā mācīšanās↔ compare
- Pašuzraudzēts Variācijas AizkodējsDziļā mācīšanās↔ compare
- Daļēji uzraudzīts konvolucionāls neironu tīklsDziļā mācīšanās↔ compare
- Pusuzraudzīts transformatorsDziļā mācīšanās↔ compare
- Pārneses apmācība ar variācijas autoenkoderiDziļā mācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →