Variasjonsautoenkoder
Variasjonsautoenkoderen (VAE) er en dyp generativ latentvariabelmodell, introdusert av Diederik Kingma og Max Welling i 2014, som koder data som en sannsynlighetsfordeling i et latent rom og trekker ut prøver fra denne fordelingen for å generere nye eksempler. Den brukes til datagenerering, anomalideteksjon og trekkinnlæring.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/no/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.
- AutoenkoderDyp læring↔ compare
- DiffusjonsmodellDyp læring↔ compare
- Generativt motsetningsnettverkDyp læring↔ compare
- HovedkomponentanalyseMaskinlæring↔ compare
- Skårbasert generativ modellDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →