Варіаційний автокодувальник зі слабким наглядом
Слабко керований варіаційний автокодувальник (WS-VAE) розширює стандартну генеративну структуру VAE шляхом включення часткових, зашумлених або грубих сигналів нагляду — таких як краудсорсингові мітки, евристичні правила або програмні анотації — для керування навчанням прихованого простору без необхідності повних анотованих даних. Він широко застосовується в комп'ютерному зорі, NLP та біомедичних доменах, де повні істинні мітки є дорогими або недоступними.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the International Conference on Learning Representations (ICLR 2014). link ↗
- Kingma, D. P., Mohamed, S., Rezende, D. J. & Welling, M. (2014). Semi-supervised learning with deep generative models. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Weakly Supervised Variational Autoencoder (WS-VAE). ScholarGate. https://scholargate.app/uk/deep-learning/weakly-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.
- Генеративно-змагальна мережаГлибоке навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- Варіаційний автокодувальникГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →