Commune
Auto-encodeur variationnel
technique d'apprentissage automatique
Auto-encodeur variationnel
En apprentissage automatique, un auto-encodeur variationnel (ou VAE de l'anglais variational auto encoder) est une architecture de réseau de neurones artificiels introduite en 2013 par D. Kingma et M. Welling. Elle est une évolution des autoencodeurs classiques, mais s'en distingue par sa formulation probabiliste et son objectif d'inférence statistique (leur utilisation et leur formulation mathématiques diffèrent). Les auto-encodeurs variationnels peuvent être utilisés pour diverses applications, comme la détection d'anomalies, le débruitage ou la génération d'images. L'auto-encodeurs variationnel permet de transformer (reformuler) un problème d'inférence en un problème d'optimisation statistique (c'est-à-dire trouver les valeurs de paramètres qui minimisent une fonction objectif). Ainsi, pour déduire la valeur d'une variable aléatoire à partir d'une autre variable aléatoire ; on peut estimer une variable cachée à partir d'une observation. Le modèle associe chaque donnée d'entrée à une...
Ouvre des boosters, collectionne des cartes et échange-les. Gratuit.
Jouer gratuitement