Semi-supervised Variational Autoencoder
De semi-supervised VAE (M2-model) is een diepe generatieve methode die gezamenlijk een latente representatie van inputs en een classificator leert, waarbij zowel gelabelde als ongelabelde voorbeelden worden benut in een principieel probabilistisch raamwerk. Geïntroduceerd door Kingma et al. in 2014, maakt het nauwkeurige classificatie mogelijk, zelfs wanneer labels schaars zijn, doordat het generatieve model ongelabelde observaties verklaart.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/nl/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.
- Generatief Adversarieel NetwerkDeep learning↔ compare
- Zelf-gesuperviseerde Variational AutoencoderDeep learning↔ compare
- Semi-supervised Convolutional Neural NetworkDeep learning↔ compare
- Semi-supervised TransformerDeep learning↔ compare
- Transfer Learning met Variational AutoencoderDeep learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →