Вариационен автоенкодер
Вариационният автоенкодер (VAE) е дълбок генеративен модел с латентни променливи, представен от Дидерик Кингма и Макс Велинг през 2014 г., който кодира данни като вероятностно разпределение в латентно пространство и прави извадки от това разпределение, за да генерира нови примери. Използва се за генериране на данни, откриване на аномалии и изучаване на признаци.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Източници
- Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR). link ↗
- Higgins, I. et al. (2017). beta-VAE: Learning Basic Visual Concepts with a Constrained Variational Framework. International Conference on Learning Representations (ICLR). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/bg/deep-learning/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.
- АвтоенкодерДълбоко обучение↔ compare
- Дифузионен моделДълбоко обучение↔ compare
- Генеративна състезателна мрежаДълбоко обучение↔ compare
- Анализ на главните компонентиМашинно обучение↔ compare
- Генеративен модел, базиран на градиента (score-based generative model)Дълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →