Metodbevispost
Semi-supervised Variational Autoencoder
The semi-supervised VAE (M2 model) is a deep generative method that jointly learns a latent representation of inputs and a classifier, leveraging both labeled and unlabeled examples in a principled probabilistic framework. Introduced by Kingma et al. in 2014, it allows accurate classification even when labels are scarce by having the generative model explain away unlabeled observations.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Semi-supervised Variational Autoencoder (M1/M2 Generative Model)
Taxonomisk metodpost · ml-model / deep-learning
- 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. · URL
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014). · URL
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.