Transfer Learning met Variational Autoencoder
Transfer Learning met een Variational Autoencoder (TL-VAE) hergebruikt een encoder en/of decoder die vooraf getraind is op een grote bronnen dataset en past deze aan aan een kleiner doeldomein. Door een rijke probabilistische latente ruimte te erven in plaats van te beginnen met willekeurige gewichten, reduceert TL-VAE drastisch de hoeveelheid doeldomeindata die nodig is voor hoogwaardige generatie of representatie learning.
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., & 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/nl/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.
- Fijn-afgestemd Generatief Adversarieel NetwerkDeep learning↔ compare
- Fijn-afgestelde Variational AutoencoderDeep learning↔ compare
- Generatief Adversarieel NetwerkDeep learning↔ compare
- Semi-supervised Variational AutoencoderDeep learning↔ compare
- Transfer Learning met Convolutional Neural NetworkDeep learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →