เปรียบเทียบวิธี

	Variational Autoencoder แบบกึ่งกำกับดูแล	ตัวเข้ารหัสอัตโนมัติแบบแปรผัน
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014	2014
ผู้ริเริ่ม	Kingma, D. P.; Mohamed, S.; Rezende, D. J.; Wierstra, D.	Kingma, D. P. & Welling, M.
ประเภท	Generative probabilistic model (semi-supervised)	Deep generative latent-variable model (encoder–decoder)
แหล่งต้นตำรับ	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.	Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR).
ชื่อเรียกอื่น	Semi-supervised VAE, M2 model, VAE with label propagation, deep generative semi-supervised model	Değişkensel Otokodlayıcı (VAE), VAE, auto-encoding variational Bayes, deep latent variable model
ที่เกี่ยวข้อง	6	5
สรุป	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.	The Variational Autoencoder (VAE) is a deep generative latent-variable model, introduced by Diederik Kingma and Max Welling in 2014, that encodes data as a probability distribution in a latent space and samples from that distribution to generate new examples. It is used for data generation, anomaly detection, and feature learning.