Autoencoder wariacyjny (VAE)

Autor: Roger Morrison
Data Utworzenia: 27 Wrzesień 2021
Data Aktualizacji: 21 Czerwiec 2024
Anonim
Прикладное машинное обучение. Семинар 15. VAE (Variational Autoencoder).
Wideo: Прикладное машинное обучение. Семинар 15. VAE (Variational Autoencoder).

Zawartość

Definicja - Co oznacza zmienny autoencoder (VAE)?

Autoencoder wariacyjny to specyficzny typ sieci neuronowej, który pomaga generować złożone modele na podstawie zbiorów danych. Ogólnie rzecz biorąc, autoencodery są często określane jako rodzaj sieci głębokiego uczenia się, która próbuje zrekonstruować model lub dopasować docelowe wyniki do dostarczonych danych wejściowych za pomocą zasady propagacji wstecznej.


Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.

Techopedia wyjaśnia Autoencoder wariacyjny (VAE)

Autoencodery wariacyjne wykorzystują modelowanie prawdopodobieństwa w systemie sieci neuronowej, aby zapewnić rodzaje równowagi, które zwykle są używane do autoenkoderów. Wariacyjny autoencoder współpracuje z enkoderem, dekoderem i funkcją utraty. Dzięki rekonstrukcji aspektów utraty system może nauczyć się koncentrować na pożądanych prawdopodobieństwach lub wynikach, na przykład wytwarzając niezwykłe skupienie w generowaniu i przetwarzaniu obrazu. Na przykład testy tego typu sieci pokazują ich zdolność do rekonstrukcji i renderowania cyfr numerycznych z danych wejściowych.