Varijacioni autoenkoder adaptiran na domen
Varijacioni autoenkoder adaptiran na domen (DA-VAE) proširuje standardni VAE okvir za učenje razdvojenih latentnih reprezentacija koje odvajaju varijacije specifične za domen od sadržaja relevantnog za klasu i invarijantnog na domen. Ovo omogućava modelima obučenim na izvornom domenu da se efikasno generalizuju na različit, ali srodan ciljni domen sa ograničenim ili bez ciljnih oznaka.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/sr/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.
- Generativna suparnička mrežaDuboko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
- Varijacioni autoenkoderDuboko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →