Samoučiaci sa variačný autoenkodér
Samoučiaci sa variačný autoenkodér (SS-VAE) kombinuje generatívne učenie latentného priestoru štandardného VAE so samoučiacimi sa pretextovými úlohami — ako je kontrastívna augmentácia, maskovaná rekonštrukcia alebo predikcia rotácie — s cieľom naučiť sa bohatšie, viac oddelené reprezentácie z neoznačených dát bez akejkoľvek manuálnej anotácie.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/sk/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.
- Jemne doladený variačný autoenkodérHlboké učenie↔ compare
- Generatívna protiadverзárna sieťHlboké učenie↔ compare
- Multimodálny variančný autoenkodérHlboké učenie↔ compare
- Konvolučná neuronová sieť so samoučiacim sa dohľadomHlboké učenie↔ compare
- Poloautomatický variačný autoenkodérHlboké učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →