🏠 首页
基准测试
📊 所有基准测试 🦖 恐龙 v1 🦖 恐龙 v2 ✅ 待办事项应用 🎨 创意自由页面 🎯 FSACB - 终极展示 🌍 翻译基准测试
模型
🏆 前 10 名模型 🆓 免费模型 📋 所有模型 ⚙️ 🛠️ 千行代码模式
资源
💬 💬 提示库 📖 📖 AI 词汇表 🔗 🔗 有用链接

AI 词汇表

人工智能完整词典

200
个类别
2,608
个子类别
30,011
个术语
📖
个术语

循环变分自编码器

一种变分自编码器架构,集成了循环神经网络以捕获序列数据中的时间依赖关系,从而支持时间序列的生成和重构。

📖
个术语

LSTM变分自编码器

循环变分自编码器的一种变体,在编码器和解码器中使用 LSTM(长短期记忆)层,以有效地对时间序列中的长期依赖关系进行建模。

📖
个术语

GRU变分自编码器

一种循环变分自编码器架构,采用 GRU(门控循环单元)以降低计算复杂度,同时保持对时间依赖关系进行建模的能力。

📖
个术语

时间潜在空间

一种按时间结构化的潜在空间,其中每个维度代表序列的演化特征,从而允许在不同时间状态之间进行连贯的插值。

📖
个术语

序列先验分布

循环变分自编码器中的先验分布,它对潜在变量随时间的可能演化进行建模,通常实现为马尔可夫过程或高斯过程。

📖
个术语

时间重构损失

一种适用于序列的损失函数,它不仅惩罚单点重构错误,还惩罚生成序列中的时间不一致性。

📖
个术语

动态潜在变量

在循环变分自编码器中随时间动态演变的潜在变量,用于捕获序列数据潜在特征的渐进变化。

📖
个术语

分层循环变分自编码器

一种多级架构,结合了多个分层循环层以对不同的时间尺度进行建模,范围涵盖从局部模式到全局趋势。

📖
个术语

VAE中的注意力机制

集成在循环VAE中的注意力机制,用于在编码和解码过程中对序列的相关部分进行选择性加权。

📖
个术语

变分循环神经网络

循环神经网络的概率形式化,其中隐藏状态被视为具有学习到的分布的随机变量,而非确定性变量。

📖
个术语

时间KL散度

循环VAE中的正则化项,用于衡量每个时间步的时间后验分布与先验分布之间的散度。

📖
个术语

序列到序列VAE

一种双向架构,其中编码器读取完整序列以生成潜在上下文,解码器则基于此压缩表示生成新序列。

📖
个术语

时间后验坍塌

循环VAE特有的问题,模型忽略时间潜在变量,仅直接对数据进行建模,从而降低了正则化的有效性。

📖
个术语

条件时间生成

循环VAE生成序列的能力,这些序列由特定输入或初始状态进行条件化,从而允许对生成的时间特征进行精确控制。

🔍

未找到结果