Variabilný autoenkodér so slabým dohľadom
Variabilný autoenkodér so slabým dohľadom (WS-VAE) rozširuje štandardný generatívny rámec VAE o čiastočné, zašumené alebo hrubé signály dohľadu – ako sú napríklad komunitne získané štítky, heuristické pravidlá alebo programové anotácie – s cieľom usmerniť učenie latentného priestoru bez potreby plne anotovaných dát. Široko sa uplatňuje v počítačovom videní, spracovaní prirodzeného jazyka (NLP) a biomedicínskych doménach, kde sú kompletné ground-truth štítky drahé alebo nedostupné.
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 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/sk/deep-learning/weakly-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.
- Generatívna protiadverзárna sieťHlboké učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →