Variational Autoencoder Semi-supervizat
VAE-ul semi-supervizat (modelul M2) este o metodă generativă profundă care învață simultan o reprezentare latentă a intrărilor și un clasificator, valorificând exemplele etichetate și neetichetate într-un cadru probabilistic principial. Introdus de Kingma et al. în 2014, permite clasificarea precisă chiar și atunci când etichetele sunt rare, prin intermediul modelului generativ care explică observațiile neetichetate.
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., 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/ro/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.
- Rețea Generativă AdversarialÎnvățare profundă↔ compare
- Autoencoder Variațional auto-supervizatÎnvățare profundă↔ compare
- Rețea neuronală convoluțională semi-supervizatăÎnvățare profundă↔ compare
- Transformer semi-supervizatÎnvățare profundă↔ compare
- Transfer Learning cu Autoencoder VariaționalÎnvățare profundă↔ compare
- Autoencoder VariaționalÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →