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.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Zdroje
- 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 ↗
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.
- AutoencoderHluboké učení↔ compare
- Difuzní modelHluboké učení↔ compare
- Generativní adversariální síťHluboké učení↔ compare
- Analýza hlavních komponentStrojové učení↔ compare
- Generativní model založený na skóreHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →