แบบจำลองการแพร่กระจายแบบกึ่งควบคุม (Semi-supervised Diffusion Model)
แบบจำลองการแพร่กระจายแบบกึ่งควบคุม (semi-supervised diffusion model) เป็นการขยายกรอบการทำงานของแบบจำลองความน่าจะเป็นของการแพร่กระจายแบบลดทอนสัญญาณรบกวน (denoising diffusion probabilistic framework) ไปสู่สถานการณ์ที่มีเพียงส่วนน้อยของตัวอย่างการฝึกอบรมเท่านั้นที่มีป้ายกำกับชั้นเรียน ด้วยการรวมโครงสร้างหลักของการแพร่กระจายแบบไม่ควบคุมเข้ากับตัวแยกประเภทน้ำหนักเบาที่ได้รับการฝึกอบรมจากตัวอย่างที่มีป้ายกำกับ ทำให้แบบจำลองนี้สามารถสร้างผลลัพธ์คุณภาพสูงที่กำหนดโดยป้ายกำกับได้ ในขณะที่ยังคงใช้ประโยชน์จากโครงสร้างในข้อมูลที่ไม่มีป้ายกำกับ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Sohl-Dickstein, J., Weiss, E., Maheswaranathan, N., & Ganguli, S. (2015). Deep Unsupervised Learning using Nonequilibrium Thermodynamics. Proceedings of the 32nd International Conference on Machine Learning (ICML), 2256–2265. link ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/th/deep-learning/semi-supervised-diffusion-model
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.
- โครงข่ายปฏิปักษ์เชิงกำเนิดการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare