Вариационный автоэнкодер

Вариационный автоэнкодер Вариационные автоэнкодеры (VAE) используются для обучения репрезентации данных с помощью вероятностного моделирования.  VAE максимизируют вероятность получения данных по […]

Вариационный автоэнкодер

  • Вариационные автоэнкодеры (VAE) используются для обучения репрезентации данных с помощью вероятностного моделирования. 
  • VAE максимизируют вероятность получения данных по выбранному параметризованному распределению вероятностей. 
  • Маргинализация используется для нахождения совместного распределения в рамках VAE. 
  • Амортизированный вывод позволяет ускорить вычисление и сделать его выполнимым. 
  • Вариационные автоэнкодеры оптимизируют параметры генерирующей модели для уменьшения ошибки восстановления между входными и выходными данными. 
  • Потери при восстановлении часто используются, такие как среднеквадратичная ошибка и перекрестная энтропия. 
  • Дивергенция Кульбака-Лейблера является хорошим выбором для выжимания qϕ(z|x) под pθ(z|x). 
  • Вариации VAE включают β-VAE для автоматического обнаружения и интерпретации факторизованных скрытых представлений и CVAE для обеспечения детерминированного ограниченного представления изученных данных. 

Полный текст статьи:

Вариационный автоэнкодер — Википедия

Оставьте комментарий

Прокрутить вверх