Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Генеративно-змагальна мережа× | Варіаційний автокодувальник× | |
|---|---|---|
| Галузь | Глибоке навчання | Глибоке навчання |
| Родина | Machine learning | Machine learning |
| Рік появи | 2014 | 2014 |
| Автор методу≠ | Goodfellow, I. et al. | Kingma, D. P. & Welling, M. |
| Тип≠ | Generative deep learning (adversarial two-network game) | Deep generative latent-variable model (encoder–decoder) |
| Основоположне джерело≠ | Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS. link ↗ | Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR). link ↗ |
| Інші назви | Üretici Çekişmeli Ağ (GAN), GAN, generative adversarial nets, adversarial network | Değişkensel Otokodlayıcı (VAE), VAE, auto-encoding variational Bayes, deep latent variable model |
| Пов'язані≠ | 4 | 5 |
| Підсумок≠ | A Generative Adversarial Network (GAN), introduced by Ian Goodfellow and colleagues in 2014, produces realistic synthetic data through the competition of two neural networks — a generator and a discriminator. It is widely used for image synthesis, data augmentation, and distribution estimation. | The Variational Autoencoder (VAE) is a deep generative latent-variable model, introduced by Diederik Kingma and Max Welling in 2014, that encodes data as a probability distribution in a latent space and samples from that distribution to generate new examples. It is used for data generation, anomaly detection, and feature learning. |
| ScholarGateНабір даних ↗ |
|
|