Overføringslæring med variatorisk autoenkoder
Overføringslæring med en variatorisk autoenkoder (TL-VAE) gjenbruker en enkoder og/eller dekoder som er forhåndstrent på et stort kildedatasett, og tilpasser den til et mindre måldomene. Ved å arve et rikt probabilistisk latent rom i stedet for å starte fra tilfeldige vekter, reduserer TL-VAE dramatisk mengden måldomenedata som trengs for høykvalitets generering eller representasjonslæring.
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., & 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/no/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.
- Finjustert generativt antagonistisk nettverkDyp læring↔ compare
- Finjustert VariasjonsautoenkoderDyp læring↔ compare
- Generativt motsetningsnettverkDyp læring↔ compare
- Semi-supervised Variational AutoencoderDyp læring↔ compare
- Overføringslæring med konvolusjonelt nevralt nettverkDyp læring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →