Svakt veiledet variasjonsautoenkoder
En svakt veiledet variasjonsautoenkoder (WS-VAE) utvider det standard VAE generative rammeverket ved å inkorporere delvise, støyende eller grove veiledningssignaler — som folkefinansierte etiketter, heuristiske regler eller programmatiske annotasjoner — for å styre læring av latent rom uten å kreve fullstendig annoterte data. Den anvendes bredt innen datasyn, NLP og biomedisinske domener der fullstendige sannhetsetiketter er kostbare eller utilgjengelige.
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. In Proceedings of the International Conference on Learning Representations (ICLR 2014). link ↗
- Kingma, D. P., Mohamed, S., Rezende, D. J. & Welling, M. (2014). Semi-supervised learning with deep generative models. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/no/deep-learning/weakly-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
- Semiveiledet læringMaskinlæring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →