Machine learning

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.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

+26 more

Zdroje

  1. Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR). link
  2. 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.

Compare side by side

Odkazujú sem

ScholarGateVariational Autoencoder (Variational Autoencoder (VAE)). Získané 2026-06-15 z https://scholargate.app/sk/deep-learning/variational-autoencoder · Dátová sada: https://doi.org/10.5281/zenodo.20539026