Pārneses apmācība ar variācijas autoenkoderi
Pārneses apmācība ar variācijas autoenkoderi (TL-VAE) atkārtoti izmanto iepriekš apmācītu kodētāju un/vai dekodētāju uz liela avota datu kopuma un pielāgo to mazākam mērķa domēnam. Mantojot bagātīgu probabilitātisku latento telpu, nevis sākot no nejaušiem svariem, TL-VAE ievērojami samazina mērķa domēna datu apjomu, kas nepieciešams augstas kvalitātes ģenerēšanai vai attēlojuma apguvei.
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., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). link ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/lv/deep-learning/transfer-learning-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.
- Pielāgotā ģeneratīvā pretestības tīklsDziļā mācīšanās↔ compare
- Pielāgots Variācijas AutoenkodersDziļā mācīšanās↔ compare
- Generatīvais Adversariālais TīklsDziļā mācīšanās↔ compare
- Semi-supervised Variational AutoencoderDziļā mācīšanās↔ compare
- Pārneses apmācība ar konvolucionālo neironu tīkluDziļā mācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →