小红花·文摘
  • 首页
  • AI Tokens🪙
  • 排行榜🏆
  • 直播
  • FAQ

本文介绍了一种基于生成自编码器的可控文本生成方法,提出了改进的自动编码器DAAE,提升了潜在空间的几何性,实现全零文本风格转换。研究还探讨了去噪和正则化的对抗性自编码器、对比学习与深度生成模型的结合,以及无监督辅助学习模型的应用,均在分类和生成任务中取得显著效果。

结合去噪自编码器与对比学习来微调 Transformer 模型

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-05-23T00:00:00Z
Autoencoder学习

自编码器是一种基于潜在向量和重构输出的模型,常用于降维、去噪、超分辨率和生成模型等任务。文章介绍了变分自编码器和对抗性自编码器的结构和训练方法,以改进潜在向量的语义含义。此外,还介绍了条件自编码器和半监督自编码器的应用。

Autoencoder学习

Sekyoro的博客小屋 Sekyoro的博客小屋 · 2023-09-01T12:28:30Z
  • <<
  • <
  • 1 (current)
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码