Innehållsförteckning:
- Definition - Vad betyder Variational Autoencoder (VAE)?
- Techopedia förklarar Variational Autoencoder (VAE)
Definition - Vad betyder Variational Autoencoder (VAE)?
En variabel autokodare är en specifik typ av neurala nätverk som hjälper till att generera komplexa modeller baserade på datamängder. I allmänhet talas autokodare ofta om som en typ av djupinlärningsnätverk som försöker rekonstruera en modell eller matcha målutgångarna till tillhandahållna input genom principen om backpropagation.
Techopedia förklarar Variational Autoencoder (VAE)
Variativa autokodare använder sannolikhetsmodellering i ett neuralt nätverkssystem för att tillhandahålla de typer av jämvikt som autokodare vanligtvis används för att producera. Variationsautokodaren fungerar med en kodare, en avkodare och en förlustfunktion. Genom att rekonstruera förlustaspekter kan systemet lära sig att fokusera på önskade sannolikheter eller output, till exempel att producera anmärkningsvärt fokus i bildgenerering och bildbehandling. Till exempel visar tester av dessa typer av nätverk deras förmåga att rekonstruera och återge numeriska siffror från ingångar.
