Doménovo adaptívny variačný autoenkodér
Doménovo adaptívny variačný autoenkodér (DA-VAE) rozširuje štandardný rámec VAE na učenie sa disentangled (rozpletených) latentných reprezentácií, ktoré oddeľujú variácie špecifické pre doménu od obsahu relevantného pre triedu a nezávislého od domény, čo umožňuje modelom trénovaným na zdrojovej doméne efektívne generalizovať na odlišnú, ale súvisiacu cieľovú doménu s obmedzeným počtom alebo bez cieľových označení.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/sk/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.
- Generatívna protiadverзárna sieťHlboké učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →