Autoencoder Variațional auto-supervizat
Un Autoencoder Variațional Auto-Supervizat (SS-VAE) combină învățarea spațiului latent generativ a unui VAE standard cu sarcini pretext auto-supervizate — precum augmentarea contrastivă, reconstrucția mascată sau predicția rotației — pentru a învăța reprezentări mai bogate și mai dezinvoltate din date neetichetate, fără nicio adnotare manuală.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2021). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/ro/deep-learning/self-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.
- Variational Autoencoder Ajustat FinÎnvățare profundă↔ compare
- Rețea Generativă AdversarialÎnvățare profundă↔ compare
- Variational Autoencoder MultimodalÎnvățare profundă↔ compare
- Rețea neuronală convoluțională auto-supervizatăÎnvățare profundă↔ compare
- Variational Autoencoder Semi-supervizatÎnvățare profundă↔ compare
- Autoencoder VariaționalÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →