Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Variational Autoencoders (VAE)
Architecture de base des autoencoders variationnels utilisant des distributions probabilistes dans l'espace latent pour la génération de données.
Beta-VAE
Variante du VAE introduisant un paramètre beta pour contrôler le compromis entre reconstruction et régularisation de l'espace latent.
Conditional VAE (CVAE)
VAE conditionné par des informations supplémentaires permettant un contrôle précis de la génération selon des attributs spécifiés.
Adversarial Autoencoders (AAE)
Architecture combinant VAE et réseaux adversariaux pour imposer des distributions arbitraires sur l'espace latent.
Vector Quantized VAE (VQ-VAE)
Autoencoder utilisant une quantification vectorielle dans l'espace latent pour des représentations discrètes et une reconstruction efficace.
Hierarchical VAE
Architecture multi-niveaux avec des variables latentes hiérarchiques pour capturer des structures complexes à différentes échelles.
InfoVAE
Variante basée sur le principe de l'information mutuelle maximale pour améliorer la qualité des générations et éviter le posterior collapse.
Convolutional VAE
VAE spécialisé pour le traitement d'images utilisant des couches de convolution pour capturer les structures spatiales.
Recurrent VAE
Architecture intégrant des réseaux récurrents (LSTM/GRU) pour modéliser et générer des données séquentielles temporelles.
VAE-GAN Hybrid
Combination de VAE et GAN utilisant le VAE pour l'encodage et le GAN pour améliorer la qualité visuelle des générations.
Denoising VAE
Variante entraînée à reconstruire des données propres à partir d'entrées bruitées pour améliorer la robustesse et le débruitage.
Semi-Supervised VAE
Extension du VAE pour l'apprentissage semi-supervisé combinant données labellisées et non labellisées dans un cadre unifié.