Uczenie transferowe z wariacyjnym autoenkoderem
Uczenie transferowe z wariacyjnym autoenkoderem (TL-VAE) wykorzystuje ponownie enkoder i/lub dekoder wstępnie wytrenowany na dużym zbiorze danych źródłowych i adaptuje go do mniejszej domeny docelowej. Dziedzicząc bogatą probabilistyczną przestrzeń utajoną zamiast zaczynać od losowych wag, TL-VAE znacząco redukuje ilość danych z domeny docelowej potrzebnych do wysokiej jakości generowania lub uczenia reprezentacji.
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., & 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Transfer Learning with Variational Autoencoder. ScholarGate. https://scholargate.app/pl/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.
- Dostrojona generatywna sieć przeciwstawnaUczenie głębokie↔ compare
- Dostrojony wariacyjny autoenkoderUczenie głębokie↔ compare
- Generatywna Sieć AntagonistycznaUczenie głębokie↔ compare
- Wariacyjny autoenkoder półnadzorowanyUczenie głębokie↔ compare
- Uczenie transferowe z konwolucyjną siecią neuronowąUczenie głębokie↔ compare
- Autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →