Variačný autoenkodér
Variačný autoenkodér (VAE) je hlboký generatívny model s latentnými premennými, ktorý predstavili Diederik Kingma a Max Welling v roku 2014. Kóduje dáta ako pravdepodobnostné rozdelenie v latentnom priestore a vzorkuje z tohto rozdelenia na generovanie nových príkladov. Používa sa na generovanie dát, detekciu anomálií a učenie sa rysov.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/sk/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.
- AutoenkodérHlboké učenie↔ compare
- Difúzny modelHlboké učenie↔ compare
- Generatívna protiadverзárna sieťHlboké učenie↔ compare
- Analýza hlavných komponentovStrojové učenie↔ compare
- Generatívny model založený na skóreHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →