Variational Autoencoder Slab Slab
Un Variational Autoencoder Slab Slab (WS-VAE) extinde cadrul generativ standard VAE prin încorporarea unor semnale de supervizare parțiale, zgomotoase sau grosiere — cum ar fi etichete obținute prin crowd-sourcing, reguli euristice sau adnotări programatice — pentru a ghida învățarea spațiului latent fără a necesita date complet adnotate. Este aplicat pe scară largă în domenii precum viziunea computerizată, NLP și biomedicină, unde etichetele complete de tip ground-truth sunt costisitoare sau indisponibile.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/ro/deep-learning/weakly-supervised-variational-autoencoder
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Rețea Generativă AdversarialÎnvățare profundă↔ compară
- Învățare semi-supervizatăÎnvățare automată↔ compară
- Autoencoder VariaționalÎnvățare profundă↔ compară
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →