Machine learning

Autoencodeur Variationnel

L'Autoencodeur Variationnel (VAE) est un modèle latent profond génératif, introduit par Diederik Kingma et Max Welling en 2014, qui encode les données comme une distribution de probabilité dans un espace latent et échantillonne à partir de cette distribution pour générer de nouveaux exemples. Il est utilisé pour la génération de données, la détection d'anomalies et l'apprentissage de caractéristiques.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Autoencodeur Variationnel

Autoencodeur Modèle de diffusion Réseau antagoniste génér…Analyse en composantes p…Modèle génératif basé su…Détection d'anomalies pa…Modèle Bayésien de Mélan…Analyse bayésienne de l'…Variational Autoencodeur…GAN Explicable

+26 more

Sources

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 ↗

Comment citer cette page

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

AutoencodeurApprentissage profond↔ compare
Modèle de diffusionApprentissage profond↔ compare
Réseau antagoniste génératifApprentissage profond↔ compare
Analyse en composantes principalesApprentissage automatique↔ compare
Modèle génératif basé sur le scoreApprentissage profond↔ compare

Compare side by side →

Référencée par

Autoencodeur Détection d'anomalies par auto-encodeur Modèle Bayésien de Mélange Gaussien Analyse bayésienne de l'ARN messager de cellule unique par séquençage Modèle de diffusion Variational Autoencodeur à Adaptation de Domaine GAN Explicable Modèle de mélange gaussien explicable Autoencodeur Variationnel Explicable Variational Autoencoder affiné Réseau antagoniste génératif Ajustement fin de GPT LoRA et PEFT Autoencodeur variationnel multilingue Autoencodeur variationnel multimodal Transfert de style neuronal Flux normalisés Machine de Boltzmann restreinte (RBM)Modèle génératif basé sur le score Détection d'anomalies par autoencodeur auto-supervisé Modèle de diffusion auto-supervisé Modèle de Mélange Gaussien Auto-supervisé Processus Gaussien Auto-supervisé Autoencodeur variationnel auto-supervisé Modèle de diffusion semi-supervisé GAN semi-supervisé Modèle gaussien de mélange semi-supervisé LSTM semi-supervisé Autoencodeur variationnel semi-supervisé Apprentissage par transfert pour les GAN Apprentissage par transfert avec autoencodeur variationnel Vision Transformer Modèle de diffusion faiblement supervisé GAN faiblement supervisé Autoencodeur variationnel faiblement supervisé

Une erreur sur cette page ? Signalez-la ou proposez une correction →

Lire la méthode complète

Method map

Sources

Comment citer cette page

Méthodes apparentées

Which method?

Référencée par