Variational Autoencoder Fracamente Supervisionado
Um Variational Autoencoder Fracamente Supervisionado (WS-VAE) estende o framework generativo padrão do VAE ao incorporar sinais de supervisão parciais, ruidosos ou grosseiros — como rótulos crowdsourced, regras heurísticas ou anotações programáticas — para guiar o aprendizado do espaço latente sem exigir dados totalmente anotados. É amplamente aplicado em visão computacional, PNL e domínios biomédicos onde rótulos de ground-truth completos são caros ou indisponíveis.
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. & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the International Conference on Learning Representations (ICLR 2014). link ↗
- Kingma, D. P., Mohamed, S., Rezende, D. J. & Welling, M. (2014). Semi-supervised learning with deep generative models. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/pt/deep-learning/weakly-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
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Autoencoder VariacionalAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →