Глоссарий ИИ
Полный словарь искусственного интеллекта
Постериор апостериорного вывода (Inference Posterior)
Распределение вероятностей по скрытым переменным условно относительно наблюдаемых данных, аппроксимируемое энкодером VAE, так как его точное вычисление часто является вычислительно трудным.
Априорное распределение в скрытом пространстве
Априорное распределение вероятностей, выбранное для скрытых переменных, обычно стандартное изотропное гауссово распределение N(0, I), которое служит регуляризатором и облегчает выборку для генерации.
Эффект сужения постериора (Posterior Collapse)
Проблема обучения, при которой энкодер создает скрытые распределения, почти идентичные априорному, игнорируя входные данные и делая декодер неспособным использовать скрытую информацию для генерации.
Условный VAE (Conditional VAE)
Вариант VAE, в котором генерация обусловлена дополнительной информацией, такой как метка класса или атрибуты, интегрированными в энкодер и декодер для целенаправленного контроля.
Шумоподавляющий вариационный автоэнкодер (Denoising VAE)
Расширение VAE, обученное реконструировать чистые данные из версий, поврежденных шумом, улучшая устойчивость скрытого представления и способность обобщения модели.
Разделение скрытых факторов (Disentanglement)
Цель, при которой каждое измерение скрытого пространства кодирует семантически независимый и интерпретируемый фактор вариации данных, облегчая контроль и интерпретируемость генерации.
Иерархический VAE (Hierarchical VAE)
Многоуровневая архитектура VAE, в которой скрытое пространство структурировано слоями, захватывая абстракции на разных масштабах и улучшая моделирование сложных распределений данных.
Амортизированный вариационный вывод (Amortized Variational Inference)
Метод, при котором нейронная сеть (энкодер) учится аппроксимировать вычисление постериорного распределения для любых входных данных, избегая дорогостоящей оптимизации для каждого образца.