Доменно-адаптивный вариационный автокодировщик
Доменно-адаптивный вариационный автокодировщик (DA-VAE) расширяет стандартную структуру VAE для изучения разделенных латентных представлений, которые отделяют специфичные для домена вариации от релевантного для класса и инвариантного к домену контента, позволяя моделям, обученным на исходном домене, эффективно обобщаться на другой, но связанный целевой домен с ограниченным количеством меток или без них.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/ru/deep-learning/domain-adaptive-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.
- Генеративно-состязательная сетьГлубокое обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →