Самообучающийся вариационный автокодировщик
Самообучающийся вариационный автокодировщик (SS-VAE) сочетает генеративное обучение в латентном пространстве стандартного VAE с самообучающимися предварительными задачами — такими как контрастное аугментирование, маскированная реконструкция или предсказание поворота — для обучения более богатых, более разделенных представлений из неразмеченных данных без какой-либо ручной разметки.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/ru/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.
- Дообученный вариационный автокодировщикГлубокое обучение↔ compare
- Генеративно-состязательная сетьГлубокое обучение↔ compare
- Мультимодальный вариационный автокодировщикГлубокое обучение↔ compare
- Self-supervised convolutional neural networkГлубокое обучение↔ compare
- Полусупервизированный вариационный автокодировщикГлубокое обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →