Machine learning

Autoenkoder Variasi

Autoenkoder Variasi (VAE) ialah model pembolehubah tabii mendalam yang menjana data, diperkenalkan oleh Diederik Kingma dan Max Welling pada 2014, yang pengekodan data sebagai taburan kebarangkalian dalam ruang tabii dan mengambil sampel daripada taburan tersebut untuk menjana contoh baharu. Ia digunakan untuk penjanaan data, pengesanan anomali, dan pembelajaran ciri.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Autoenkoder Variasi

Autoenkoder Model Resapan Rangkaian Generatif Adve…Analisis Komponen Utama Model Generatif Berasask…Pengesanan Anomali Autoe…Model Campuran Gaussian…Analisis RNA-seq Sel Tun…Autoenkoder Variasi Adap…GAN Boleh Dijelas

+26 more

Sumber

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 ↗

Cara memetik halaman ini

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

AutoenkoderPembelajaran Mendalam↔ compare
Model ResapanPembelajaran Mendalam↔ compare
Rangkaian Generatif AdversarialPembelajaran Mendalam↔ compare
Analisis Komponen UtamaPembelajaran Mesin↔ compare
Model Generatif Berasaskan SkorPembelajaran Mendalam↔ compare

Compare side by side →

Dirujuk oleh

Autoenkoder Pengesanan Anomali Autoenkoder Model Campuran Gaussian Bayesian Analisis RNA-seq Sel Tunggal Bayesian Model Resapan Autoenkoder Variasi Adaptif Domain GAN Boleh Dijelas Model Campuran Gaussian Boleh Jelas Explainable Variational Autoencoder Autoenkoder Variasi yang Ditalar Halus Rangkaian Generatif Adversarial Penalaan Halus GPT LoRA dan PEFT Variational Autoencoder Pelbagai Bahasa Autoenkoder Variasi Multimodus Pemindahan Gaya Neural Aliran Normalisasi Mesin Boltzmann Terhad (RBM)Model Generatif Berasaskan Skor Pengesanan Anomali Autoenkoder Penyeliaan Kendiri Model Resapan Kendiri Seliaan Model Campuran Gaussian Kendiri-terlaras Proses Gaussian Kendiri-Penyeliaan Autoenkoder Variasi Kendiri-Diselia Model Penyiaran Separuh Selia Semi-supervised GAN Model Campuran Gaussian Separa Terawas LSTM Separuh-Selia Autoenkoder Variasi Separuh-Selia Transfer Learning GAN Pembelajaran Pemindahan dengan Autoenkoder Variasi Transformer Visi Model Difusi yang Diawasi Secara Lemah GAN Diawasi Lemah Autoenkoder Variasi Berpenyeliaan Lemah

Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →

Baca kaedah sepenuhnya

Method map

Sumber

Cara memetik halaman ini

Kaedah berkaitan

Which method?

Dirujuk oleh