ভেরিয়েশনাল অটোএনকোডার
ভেরিয়েশনাল অটোএনকোডার (VAE) হলো একটি গভীর জেনারেটিভ ল্যাটেন্ট-ভেরিয়েবল মডেল, যা ডিডেরিক কিংমা এবং ম্যাক্স ওয়েলিং ২০১৪ সালে প্রবর্তন করেন। এটি ডেটাকে একটি ল্যাটেন্ট স্পেসে সম্ভাব্যতার বিন্যাস হিসেবে এনকোড করে এবং সেই বিন্যাস থেকে নমুনা নিয়ে নতুন উদাহরণ তৈরি করে। এটি ডেটা তৈরি, অসঙ্গতি সনাক্তকরণ এবং ফিচার লার্নিংয়ের জন্য ব্যবহৃত হয়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/bn/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.
- অটোএনকোডারগভীর শিখন↔ compare
- ডিফিউশন মডেলগভীর শিখন↔ compare
- জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্কগভীর শিখন↔ compare
- প্রধান উপাদান বিশ্লেষণযন্ত্র শিখন↔ compare
- স্কোর-ভিত্তিক জেনারেটিভ মডেলগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →