Metodebevisregister
Semi-supervised Variational Autoencoder
The semi-supervised VAE (M2 model) is a deep generative method that jointly learns a latent representation of inputs and a classifier, leveraging both labeled and unlabeled examples in a principled probabilistic framework. Introduced by Kingma et al. in 2014, it allows accurate classification even when labels are scarce by having the generative model explain away unlabeled observations.
Kilderegister
Siteringer kopiert ordrett fra metodens kilderegister. Ingen påstandsnivåverifisering er underforstått fra dem.
Semi-supervised Variational Autoencoder (M1/M2 Generative Model)
Taksonomisk metoderegister · ml-model / deep-learning
- 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. · URL
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). · URL
Kuraterte påstander
Påstander lagret i bevishovedboken, hver med sin egen vurdering.
Ingen kuraterte påstander ennå
Denne visningen finner ikke opp en påstandsvurdering når hovedboken ikke har noen.
Relaterte metoder
Generert fra metodegrafen og vist som maskinforslåtte relasjoner – ingen bevispåstand er underforstått.