Variational Autoencoder แบบกึ่งกำกับดูแล
VAE แบบกึ่งกำกับดูแล (โมเดล M2) เป็นวิธีการสร้างแบบจำลองเชิงลึก (deep generative method) ที่เรียนรู้การแทนข้อมูลนำเข้าในปริภูมิแฝง (latent representation) และตัวจำแนกประเภท (classifier) ไปพร้อมกัน โดยใช้ประโยชน์จากทั้งตัวอย่างที่มีป้ายกำกับและไม่มีป้ายกำกับในกรอบการทำงานเชิงความน่าจะเป็นที่มีหลักการ ถูกนำเสนอโดย Kingma และคณะ ในปี 2014 ช่วยให้สามารถจำแนกประเภทได้อย่างแม่นยำแม้ว่าป้ายกำกับจะมีอยู่อย่างจำกัด โดยให้แบบจำลองการสร้างอธิบายข้อมูลที่ไม่มีป้ายกำกับ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Variational Autoencoder (M1/M2 Generative Model). ScholarGate. https://scholargate.app/th/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.
- โครงข่ายปฏิปักษ์เชิงกำเนิดการเรียนรู้เชิงลึก↔ compare
- Self-supervised Variational Autoencoderการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมแบบสังวัตนาการแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- Transformer แบบกึ่งกำกับดูแลการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วย Variational Autoencoderการเรียนรู้เชิงลึก↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare