Semi-supervised Variational Autoencoder
Den semi-supervised VAE (M2-modellen) er en dyp generativ metode som samlet lærer en latent representasjon av input og en klassifikator, og utnytter både merkede og umerkede eksempler i et prinsippielt sannsynlighetsrammeverk. Introdusert av Kingma et al. i 2014, muliggjør den nøyaktig klassifisering selv når merkelapper er knappe, ved at den generative modellen forklarer bort umerkede observasjoner.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/no/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.
- Generativt motsetningsnettverkDyp læring↔ compare
- Selv-overvåket Variasjonell AutoenkoderDyp læring↔ compare
- Semi-veiled konvolusjonelt nevralt nettverkDyp læring↔ compare
- Semi-supervisert TransformerDyp læring↔ compare
- Overføringslæring med variatorisk autoenkoderDyp læring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →