Варијациони аутоенкодер (ВАЕ) је врста вештачке неуронске мреже која је обучена да научи компримовану репрезентацију улазних података, обично слика или текста. Компримована репрезентација, позната као латентна променљива, садржи нижедимензионални „резиме“ улазних података и може се користити за задатке као што су компресија података, визуелизација података и генерисање података.
ВАЕ се састоји од два дела: енкодера и декодера. Кодер мапира улазне податке у латентну променљиву, док декодер мапира латентну променљиву назад у оригиналне податке. Током обуке, ВАЕ учи да минимизира разлику између оригиналних података и реконструисаних података произведених од стране декодера, истовремено максимизирајући сличност између дистрибуције латентних варијабли и циљне дистрибуције.
Главна разлика између ВАЕ и традиционалног аутоенкодера је у томе што ВАЕ присиљава латентну променљиву да прати одређену дистрибуцију, типично Гаусову дистрибуцију. Ово омогућава ВАЕ да генерише нове податке узорковањем из научене дистрибуције латентних варијабли, које се могу користити за задатке као што су генерисање слика и текста.
Датум објављивања: