变分自编码器(VAE)
发布网友
发布时间：15小时前
共1个回答
热心网友
时间：14小时前
变分自编码器（VAE）是一种通过编码器和解码器对数据进行建模的深度学习方法。其核心思想是将观察到的数据视为由潜在的、不可见的变量表示或生成，用随机变量z进行表示。通过构建编码器与解码器，VAE将数据映射至潜在空间并反向生成数据。
VAE基于隐空间理论，采用极大似然估计简化模型，以求解概率分布。通过变换找到对数大于分布的期望下界（ELBO），尽管无法直接接近概率分布，但可以通过最大化ELBO接近真实分布。ELBO由重建误差与隐空间误差组成，其反向用于构建损失函数优化网络。
ELBO作为真实分布的变分下界，通过简化问题实现模型落地。不同于直接拟合真实分布的局限性，ELBO提供了一种更为灵活且可行的优化途径。分解ELBO为重建误差与隐空间误差，构建网络优化损失函数，实现模型训练。
在VAE框架中，使用神经网络直接建模编码器和解码器，将数据映射至潜在空间并反向生成数据。通过最大化ELBO，模型学习到潜在空间的内容，逼近真实隐空间分布，实现数据表示与生成。
未来内容将探讨扩散的基础与层次变分自编码器的前身，深入研究合成数据应用与模型优化技术。
