🏠 Accueil
基準測試
📊 Tous les Benchmarks 🦖 Dinosaure v1 🦖 Dinosaure v2 ✅ To-Do List Apps 🎨 Pages Libres 🎯 FSACB - Showcase 🌍 Traduction
Modèles
🏆 Top 10 Modèles 🆓 Modèles Gratuits 📋 Tous les Modèles ⚙️ Modes Kilo Code
Ressources
💬 Prompts IA 📖 人工智能詞彙表 🔗 Liens Utiles

AI 詞彙表

人工智能完整詞典

200
類別
2,608
子類別
30,011
術語
📖
術語

判别器潜在空间

神经网络训练用于区分来自编码器的真实潜在代码和从目标概率分布中抽取的样本。

📖
術語

强制潜在空间

由对抗性约束以遵循预定义概率分布(高斯分布、均匀分布或其他)的潜在变量空间。

📖
術語

循环一致AAE

确保编码和解码数据的连续重建保持循环一致性的变体,以提高稳定性。

📖
術語

部分对抗正则化

只有部分潜在维度被对抗性正则化的技术,从而保留数据的某些不变方面。

📖
術語

对抗性InfoVAE

使用互KL散度和对抗器来最大化输入和潜在代码之间互信息的组合。

📖
術語

对抗特征匹配

编码器学习将潜在代码的统计特征与目标分布的特征相匹配的目标。

📖
術語

分层AAE

多级架构,其中每个潜在层都有自己的对抗器,实现数据的渐进式分层表示。

📖
術語

对抗推断

编码器学习生成欺骗判别器的潜在代码的推断过程,取代传统的变分推断。

📖
術語

重构损失+对抗损失

结合传统重构损失与对抗损失的目标函数,以平衡重构的保真度和真实感。

📖
術語

潜在空间遍历

系统地探索AAE的潜在空间,通过对抗正则化发现连续的语义变化。

📖
術語

用于解耦的对抗自编码

应用AAE分离内在变化因素,通过专门的对抗器在潜在空间中实现结构化。

📖
術語

半监督AAE

扩展版本,其中潜在空间被划分为监督变量(标签)和非监督变量,每组有独立的对抗器。

📖
術語

对抗潜在优化

直接优化潜在代码以最大化判别器成功率的方法,无需显式训练编码器。

📖
術語

Wasserstein AAE

变体,在对抗器中使用Wasserstein距离,实现更稳定的潜在分布正则化。

📖
術語

对抗域自适应AAE

应用中,对抗器强制不同域的潜在代码具有相同分布,以促进学习迁移。

📖
術語

对抗正则化强度

控制对抗损失相对于重构损失在整体优化中相对影响力的超参数。

📖
術語

对抗解码器

通过对抗性训练的额外解码器,与主解码器竞争以改善生成质量。

🔍

搵唔到結果