Variacion Autoencoder i Shpjegueshëm
Një Variacion Autoencoder i Shpjegueshëm (XVAE) zgjeron kuadrin standard të VAE me teknika që e bëjnë hapësirën e tij latente të kuptueshme: shkëputja e dimensioneve latente në mënyrë që secili të korrespondojë me një faktor të kuptueshëm nga njeriu, ose metodat post-hoc të atribuimit (SHAP, integrated gradients) që gjurmojnë rindërtimet drejt tipareve hyrëse. Ai ruan fuqinë gjeneruese të VAE duke shtuar transparencë të kërkuar në aplikime shkencore dhe me rrezik të lartë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- Higgins, I., Matthey, L., Pal, A., Burgess, C., Glorot, X., Botvinick, M., Mohamed, S., & Lerchner, A. (2017). beta-VAE: Learning Basic Visual Concepts with a Constrained Variational Framework. In Proceedings of the 5th International Conference on Learning Representations (ICLR 2017). link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Explainable Variational Autoencoder (XVAE / Interpretable VAE). ScholarGate. https://scholargate.app/sq/deep-learning/explainable-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.
- Variacion Autoencoder i Rregulluar me PërsosjeMësimi i thellë↔ compare
- Autoenkoder Variacional MultimodalMësimi i thellë↔ compare
- Variational Autoencoder vetë-mbikëqyrurMësimi i thellë↔ compare
- Autoenkoderi VarioacionalMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →