Глоссарий ИИ
Полный словарь искусственного интеллекта
Дискриминатор распределения
Нейронная сеть, которая учится различать выборки из закодированного латентного распределения и выборки из целевого априорного распределения. Оптимизируется адверсариально для улучшения регуляризации латентного пространства.
Произвольное априорное распределение
Вероятностное распределение, выбранное для латентного пространства, которое может быть гауссовским, равномерным, категориальным или даже сложным распределением. AAE может налагать любую форму распределения в отличие от классических VAE.
Адверсариальный вариационный вывод
Подход вариационного вывода, заменяющий явное вычисление расхождения KL неявным адверсариальным обучением. Позволяет более гибкое моделирование и избегает ошибок аппроксимации.
Сопоставление мод
Цель AAE, состоящая в сопоставлении мод закодированного латентного распределения с модами целевого распределения. Контрастирует с покрытием мод в традиционных GAN.
Прямая латентная выборка
Способность AAE генерировать новые данные путем прямой выборки из априорного распределения без прохождения процесса вывода. Значительно упрощает генерацию по сравнению с классическими VAE.
Латентные адверсариальные потери
Член целевой функции, штрафующий расхождение между закодированным латентным распределением и целевым априорным распределением. Оптимизируется через игру между энкодером (генератором) и дискриминатором.
Разъединенные представления
Свойство AAE, позволяющее изучать представления, в которых факторы вариации данных разделены в латентном пространстве. Облегчается за счет распределительного контроля над каждым латентным измерением.
Латентный штраф градиента
Техника регуляризации, применяемая к дискриминатору для стабилизации обучения и предотвращения коллапса мод. Накладывает ограничение на норму градиента в латентном пространстве.
Латентная смесь гауссовых распределений
Сложное априорное распределение, объединяющее несколько гауссовых компонентов, которое AAE могут научиться накладывать на латентное пространство. Позволяет более точно моделировать многомодальные структуры данных.
Ослабленная нижняя оценка правдоподобия (ELBO)
Модифицированная версия нижней границы правдоподобия, используемая в AAE, где член расхождения KL заменен на состязательную потерю. Обеспечивает более гибкую оптимизацию, но без теоретических гарантий.