Autoenkoder Variasi Adaptif Domain
Autoenkoder Variasi Adaptif Domain (DA-VAE) melanjutkan rangka kerja VAE standard untuk mempelajari perwakilan laten terlerai yang memisahkan variasi khusus domain daripada kandungan yang berkaitan dengan kelas dan tidak berubah merentasi domain, membolehkan model yang dilatih pada domain sumber untuk digeneralisasikan secara berkesan kepada domain sasaran yang berbeza tetapi berkaitan dengan label sasaran yang terhad atau tiada.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/ms/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.
- Rangkaian Generatif AdversarialPembelajaran Mendalam↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
- Autoenkoder VariasiPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →