एक परिवर्तनशील ऑटोएन्कोडर (VAE) एक प्रकार का कृत्रिम तंत्रिका नेटवर्क है जिसे इनपुट डेटा, आमतौर पर छवियों या पाठ के संकुचित प्रतिनिधित्व को सीखने के लिए प्रशिक्षित किया जाता है। संपीड़ित प्रतिनिधित्व, जिसे गुप्त चर के रूप में जाना जाता है, में इनपुट डेटा का निम्न-आयामी "सारांश" होता है और इसका उपयोग डेटा संपीड़न, डेटा विज़ुअलाइज़ेशन और डेटा जनरेशन जैसे कार्यों के लिए किया जा सकता है।
VAE में दो भाग होते हैं: एक एनकोडर और एक डिकोडर। एनकोडर इनपुट डेटा को एक अव्यक्त चर में मैप करता है, जबकि डिकोडर अव्यक्त चर को मूल डेटा पर वापस मैप करता है। प्रशिक्षण के दौरान, VAE मूल डेटा और डिकोडर द्वारा उत्पादित पुनर्निर्मित डेटा के बीच के अंतर को कम करना सीखता है, जबकि अव्यक्त चर के वितरण और लक्ष्य वितरण के बीच समानता को अधिकतम करता है।
VAE और एक पारंपरिक ऑटोएन्कोडर के बीच मुख्य अंतर यह है कि VAE अव्यक्त चर को एक विशेष वितरण, आमतौर पर एक गॉसियन वितरण का पालन करने के लिए बाध्य करता है। यह VAE को अव्यक्त चर के सीखे हुए वितरण से नमूना लेकर नया डेटा उत्पन्न करने की अनुमति देता है, जिसका उपयोग छवि और पाठ निर्माण जैसे कार्यों के लिए किया जा सकता है।
प्रकाशन तिथि: