Machine learning

Autoencoder Variacional

O Autoencoder Variacional (VAE) é um modelo generativo profundo de variável latente, introduzido por Diederik Kingma e Max Welling em 2014, que codifica dados como uma distribuição de probabilidade em um espaço latente e amostra dessa distribuição para gerar novos exemplos. Ele é usado para geração de dados, detecção de anomalias e aprendizado de características.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

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

Autoencoder Variacional

Autoencoder Diffusion Model Rede Adversarial Generat…Análise de Componentes P…Modelo Generativo Basead…Detecção de Anomalias co…Modelo de Mistura Gaussi…Análise Bayesiana de RNA…Variational Autoencoder…GAN Explicável

+26 more

Fontes

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 ↗

Como citar esta página

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

AutoencoderAprendizado profundo↔ compare
Diffusion ModelAprendizado profundo↔ compare
Rede Adversarial GenerativaAprendizado profundo↔ compare
Análise de Componentes PrincipaisAprendizado de máquina↔ compare
Modelo Generativo Baseado em ScoreAprendizado profundo↔ compare

Compare side by side →

Referenciado por

Autoencoder Detecção de Anomalias com Autoencoder Modelo de Mistura Gaussiana Bayesiana Análise Bayesiana de RNA-seq de Célula Única Diffusion Model Variational Autoencoder Adaptativo ao Domínio GAN Explicável Modelo de Mistura Gaussiana Explicável Variational Autoencoder Explicável Autoencoder Variacional Ajustado Rede Adversarial Generativa GPT Fine-Tuning LoRA e PEFT Variational Autoencoder Multilíngue Autoencoder Variacional Multimodal Transferência de Estilo Neural Fluxos Normalizados Máquina de Boltzmann Restrita (RBM)Modelo Generativo Baseado em Score Detecção de Anomalias por Autoencoder Auto-supervisionado Modelo de Difusão Auto-supervisionado Modelo Gaussiano de Mistura Auto-supervisionado Processo Gaussiano Autossupervisionado Autoencoder Variacional Auto-supervisionado Modelo de Difusão Semi-supervisionado GANs Semi-supervisionadas Modelo Gaussiano de Mistura Semi-supervisionado LSTM Semissupervisionada Autoencoder Variacional Semi-supervisionado GANs de Aprendizagem por Transferência Aprendizagem por Transferência com Autoencoder Variacional Vision Transformer Modelo de Difusão Fracamente Supervisionado GANs Fracamente Supervisionadas Variational Autoencoder Fracamente Supervisionado

Encontrou um problema nesta página? Relate ou sugira uma correção →

Leia o método completo

Method map

Fontes

Como citar esta página

Métodos relacionados

Which method?

Referenciado por