Variational Autoencoder (VAE)

Variational Autoencoder

Türkçe: Varyasyonel Öz-Kodlayıcı

Ayrıntılı Tanım

Girdiyi gizli uzayda tek bir sabit noktaya değil, bir olasılık dağılımına (ortalama

\mu

ve varyans

\sigma

) dönüştüren; bu dağılımdan rastgele örneklem alarak tamamen yeni ve gerçekçi veriler üretebilen **üretken (generative)** modeldir.

Ne İşe Yarar / Çözülen Problem

Klasik Autoencoder'ların gizli uzayındaki boşlukları ve kopuklukları ortadan kaldırarak pürüzsüz, sürekli ve veri üretimine uygun bir gizli uzay kurar.

Nasıl Çalışır? (Teknik & Mekanizma)

İki kayıp teriminin toplamıyla eğitilir (ELBO):

\mathcal{L} = \text{Reconstruction Loss} + D_{KL}(q(z|x) \,||\, p(z))

Geri yayılımın çalışabilmesi için Reparameterization Trick (

z = \mu + \sigma \odot \epsilon

) kullanılır.

Örnek Senaryo & Pratik Uygulama

Yüz üretici sistem: Gizli uzayda "gözlüklü insan" noktası ile "gülümseyen insan" noktası arasında düz bir çizgi çektiğinizde, gözlük takarken yavaş yavaş gülümsemeye başlayan onlarca yeni sentetik insan yüzünün pürüzsüzce türetilmesi.

Benzer Terimlerden Farkı

Klasik Autoencoder sadece sıkıştırma yapar (yeni veri üretemez); VAE ise rastgele bir gürültü vektöründen sıfırdan sentetik veri üretebilir.

İlişkili Terimler (1)

#115

Autoencoder

Öz-Kodlayıcı

Ait Olduğu Kategori

Derin Öğrenme Temelleri ve Temsil Öğrenmesi

Yapay sinir ağları, aktivasyon fonksiyonları, geri yayılım ve tensör temelleri.

Toplam Terim:52 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#116)Denoising Autoencoder

Sonraki Terim (#118)Siamese Networks