Półnadzorowany model dyfuzyjny
Półnadzorowany model dyfuzyjny rozszerza probabilistyczny model dyfuzji denoise'ującej na sytuacje, w których tylko ułamek próbek treningowych posiada etykiety klas. Łącząc bezwarunkowy szkielet dyfuzyjny z lekkim klasyfikatorem wytrenowanym na oznakowanych przykładach, model uczy się generować wysokiej jakości, warunkowane etykietami wyniki, jednocześnie wykorzystując strukturę danych nieoznakowanych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Sohl-Dickstein, J., Weiss, E., Maheswaranathan, N., & Ganguli, S. (2015). Deep Unsupervised Learning using Nonequilibrium Thermodynamics. Proceedings of the 32nd International Conference on Machine Learning (ICML), 2256–2265. link ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/pl/deep-learning/semi-supervised-diffusion-model
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.
- Generatywna Sieć AntagonistycznaUczenie głębokie↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →