Autoencoder Variacional Semi-supervisionado
O VAE semi-supervisionado (modelo M2) é um método generativo profundo que aprende conjuntamente uma representação latente de entradas e um classificador, aproveitando exemplos rotulados e não rotulados em um quadro probabilístico principiado. Introduzido por Kingma et al. em 2014, permite classificação precisa mesmo quando os rótulos são escassos, fazendo com que o modelo generativo explique observações não rotuladas.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/pt/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.
- Rede Adversarial GenerativaAprendizado profundo↔ compare
- Autoencoder Variacional Auto-supervisionadoAprendizado profundo↔ compare
- Rede Neural Convolucional Semi-supervisionadaAprendizado profundo↔ compare
- Transformador SemissupervisionadoAprendizado profundo↔ compare
- Aprendizagem por Transferência com Autoencoder VariacionalAprendizado profundo↔ compare
- Autoencoder VariacionalAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →