Modelo de Difusão Semi-supervisionado
Um modelo de difusão semi-supervisionado estende o framework probabilístico de difusão de desruído para cenários onde apenas uma fração das amostras de treinamento carrega rótulos de classe. Ao combinar um backbone de difusão incondicional com um classificador leve treinado em exemplos rotulados, ele aprende a gerar saídas de alta qualidade e condicionadas a rótulos, enquanto ainda explora a estrutura em dados não rotulados.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/pt/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.
- Rede Adversarial GenerativaAprendizado profundo↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Autoencoder VariacionalAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →