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.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Allikad
- 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 ↗
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.
- AutoencoderSüvaõpe↔ compare
- DifusioonimudelSüvaõpe↔ compare
- Generatiivne võistlev võrkSüvaõpe↔ compare
- PricipaalanalüüsMasinõpe↔ compare
- Skooripõhine generatiivne mudelSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →