Слабо надгледани варијациони аутоенкодер
Слабо надгледани варијациони аутоенкодер (WS-VAE) проширује стандардни VAE генеративни оквир увођењем партијалних, бучних или грубих надзорних сигнала — као што су ознаке прикупљене од заједнице, евристичка правила или програмске анотације — како би се усмерило учење латентног простора без потребе за потпуно анотираним подацима. Широко се примењује у областима компјутерског вида, обраде природног језика и биомедицине где су комплетне референтне ознаке скупе или недоступне.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/sr/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.
- Generativna suparnička mrežaDuboko učenje↔ compare
- Semi-supervised LearningMašinsko učenje↔ compare
- Varijacioni autoenkoderDuboko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →