Варіаційний автокодувальник
Варіаційний автокодувальник (VAE) — це глибока генеративна модель прихованих змінних, представлена Дідеріком Кінґмою та Максом Веллінґом у 2014 році, яка кодує дані як імовірнісний розподіл у прихованому просторі та вибирає з цього розподілу для генерації нових прикладів. Вона використовується для генерації даних, виявлення аномалій та навчання ознак.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+26 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Variational Autoencoder (VAE). ScholarGate. https://scholargate.app/uk/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.
- АвтокодувальникГлибоке навчання↔ compare
- Дифузійна модельГлибоке навчання↔ compare
- Генеративно-змагальна мережаГлибоке навчання↔ compare
- Метод головних компонентМашинне навчання↔ compare
- Генеративна модель на основі градієнта (Score-Based Generative Model)Глибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →