ScholarGate
Asistent
Machine learning

Variační autoenkodér

Variační autoenkodér (VAE) je hluboký generativní model s latentními proměnnými, představený Diederikem Kingmou a Maxem Wellingem v roce 2014, který kóduje data jako pravděpodobnostní rozdělení v latentním prostoru a vzorkuje z tohoto rozdělení pro generování nových příkladů. Používá se pro generování dat, detekci anomálií a učení příznaků.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

+26 more

Zdroje

  1. Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR). link
  2. Higgins, I. et al. (2017). beta-VAE: Learning Basic Visual Concepts with a Constrained Variational Framework. International Conference on Learning Representations (ICLR). link

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/cs/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.

Compare side by side

Odkazuje sem

ScholarGateVariational Autoencoder (Variational Autoencoder (VAE)). Získáno 2026-06-15 z https://scholargate.app/cs/deep-learning/variational-autoencoder · Datová sada: https://doi.org/10.5281/zenodo.20539026