Вариационный автокодировщик
Вариационный автокодировщик (VAE) — это глубокая генеративная модель со скрытыми переменными, представленная Дидериком Кингмой и Максом Веллингом в 2014 году, которая кодирует данные как распределение вероятностей в скрытом пространстве и производит выборку из этого распределения для генерации новых примеров. Он используется для генерации данных, обнаружения аномалий и изучения признаков.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/ru/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.
- АвтоэнкодерГлубокое обучение↔ compare
- Диффузионная модельГлубокое обучение↔ compare
- Генеративно-состязательная сетьГлубокое обучение↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- Генеративная модель на основе градиента (score-based)Глубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →