Machine learning

Variational Autoencoder

Variational Autoencoder (VAE)는 2014년 Diederik Kingma와 Max Welling이 소개한 심층 생성 잠재 변수 모델로, 데이터를 잠재 공간의 확률 분포로 인코딩하고 해당 분포에서 샘플링하여 새로운 예시를 생성합니다. 데이터 생성, 이상 탐지, 특징 학습에 사용됩니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

Variational Autoencoder

오토인코더 확산 모델 생성적 적대 신경망 주성분 분석 점수 기반 생성 모델 오토인코더 이상 탐지 베이즈 가우시안 혼합 모델 베이지안 단일 세포 RNA 시퀀싱 분석 도메인 적응형 변이형 오토인코더 설명 가능한 GAN

+26 more

출처

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 ↗

이 페이지 인용 방법

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

이 방법을 참조하는 항목

오토인코더 오토인코더 이상 탐지 베이즈 가우시안 혼합 모델 베이지안 단일 세포 RNA 시퀀싱 분석 확산 모델 도메인 적응형 변이형 오토인코더 설명 가능한 GAN 설명 가능한 가우시안 혼합 모델 설명 가능한 변이형 오토인코더 파인튜닝된 변이형 오토인코더 생성적 적대 신경망 GPT 파인튜닝 LoRA 및 PEFT 다국어 변이형 오토인코더 Multimodal Variational Autoencoder 신경망 스타일 변환 정규화 흐름(Normalizing Flows)제한 볼츠만 머신 (Restricted Boltzmann Machine, RBM)점수 기반 생성 모델 자가 지도 오토인코더 이상 탐지 자가 지도 확산 모델 자가 지도 가우시안 혼합 모형 자기 지도 가우시안 프로세스 자기 지도 변분형 오토인코더 준지도 학습 확산 모델 준지도 학습 GAN 준지도 가우시안 혼합 모형 준지도 학습 LSTM 준지도 학습 변이형 오토인코더 전이 학습 GAN Variational Autoencoder를 이용한 전이 학습 Vision Transformer 약한 지도 확산 모델 약지도 GAN 약지도 변분 오토인코더

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

방법 전문 읽기

Method map

출처

이 페이지 인용 방법

관련 방법

Which method?

이 방법을 참조하는 항목