Wariacyjny autoenkoder półnadzorowany
Półnadzorowany VAE (model M2) to głęboka metoda generatywna, która wspólnie uczy się reprezentacji ukrytej danych wejściowych i klasyfikatora, wykorzystując zarówno przykłady oznakowane, jak i nieoznakowane w spójnych ramach probabilistycznych. Wprowadzony przez Kingmę i wsp. w 2014 r., pozwala na dokładną klasyfikację nawet przy niewielkiej liczbie etykiet, dzięki temu, że model generatywny wyjaśnia nieoznakowane obserwacje.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/pl/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.
- Generatywna Sieć AntagonistycznaUczenie głębokie↔ compare
- Samo-nadzorowany wariacyjny autoenkoderUczenie głębokie↔ compare
- Półnadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Transformery z uczeniem półnadzorowanymUczenie głębokie↔ compare
- Uczenie transferowe z wariacyjnym autoenkoderemUczenie głębokie↔ compare
- Autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →