Variational Autoencoder (VAE)

Forfatter: Roger Morrison
Oprettelsesdato: 27 September 2021
Opdateringsdato: 19 Juni 2024
Anonim
Variational Autoencoders
Video.: Variational Autoencoders

Indhold

Definition - Hvad betyder Variational Autoencoder (VAE)?

En variabel autoencoder er en bestemt type neuralt netværk, der hjælper med at generere komplekse modeller baseret på datasæt. Generelt bliver autoencodere ofte omtalt som en type dyb læringsnetværk, der forsøger at rekonstruere en model eller matche måloutputene til de leverede input gennem princippet om backpropagation.


En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.

Techopedia forklarer Variational Autoencoder (VAE)

Variative autoencodere bruger sandsynlighedsmodellering i et neuralt netværkssystem for at tilvejebringe den slags ligevægt, som autoencodere typisk bruges til at producere. Variationsautoencoderen fungerer med en kode, en dekoder og en tabsfunktion. Ved at rekonstruere tabsaspekter kan systemet lære at fokusere på ønskede sandsynligheder eller output, for eksempel at producere bemærkelsesværdigt fokus i billedgenerering og billedbehandling. For eksempel viser test af disse typer netværk deres evne til at rekonstruere og gengive numeriske cifre fra input.