Variációs Autoencoder
A Variációs Autoencoder (VAE) egy mély generatív, latens változós modell, amelyet Diederik Kingma és Max Welling vezetett be 2014-ben. Ez az adatokat valószínűségi eloszlásként kódolja egy latens térben, és mintát vesz ebből az eloszlásból új példányok generálásához. Adatgenerálásra, anomáliadetektálásra és jellemzőtanulásra használják.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/hu/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.
- AutoencoderMélytanulás↔ compare
- Modell (mélytanulás)Mélytanulás↔ compare
- Generative Adversarial NetworkMélytanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- Generatív modell pontszámalapú megközelítésselMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →