Semi-supervised Variational Autoencoder
Den semi-övervakade VAE (M2-modellen) är en djup generativ metod som gemensamt lär sig en latent representation av indata och en klassificerare, och utnyttjar både märkta och omärkta exempel inom ett principfast probabilistiskt ramverk. Den introducerades av Kingma et al. 2014 och möjliggör korrekt klassificering även när etiketter är knappa, genom att den generativa modellen förklarar bort omärkta observationer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Kingma, D. P., Mohamed, S., Rezende, D. J., & Wierstra, D. (2014). Semi-supervised learning with deep generative models. Advances in Neural Information Processing Systems (NeurIPS), 27, 3581–3589. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/sv/deep-learning/semi-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.
- Generativt antagonistiskt nätverkDjupinlärning↔ compare
- Självövervakad Variationell AutoencoderDjupinlärning↔ compare
- Semihandled konvolutionell neuralt nätverkDjupinlärning↔ compare
- Semi-supervised TransformerDjupinlärning↔ compare
- Överföringsinlärning med variationell autoenkoderDjupinlärning↔ compare
- Variational AutoencoderDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →