ScholarGate
Assistent
Machine learning

Variational Autoencoder

Variational Autoencoder (VAE) on nimetud süva-generatiivseks muutujamudeliks, mille Diederik Kingma ja Max Welling 2014. aastal esitlesid. See kodeerib andmed latentses ruumis tõenäosusjaotuseks ja võtab sellest jaotusest juhuslikke valimeid, et luua uusi näiteid. Seda kasutatakse andmete genereerimiseks, anomaaliate tuvastamiseks ja tunnuste õppimiseks.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

+26 more

Allikad

  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

Kuidas sellele lehele viidata

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

Sellele viitavad

ScholarGateVariational Autoencoder (Variational Autoencoder (VAE)). Loetud 2026-06-15 aadressilt https://scholargate.app/et/deep-learning/variational-autoencoder · Andmestik: https://doi.org/10.5281/zenodo.20539026