VAE (Variational Autoencoder)
/viː eɪ iː/
VAE (Variational Autoencoder): Un modello generativo che apprende una rappresentazione probabilistica nello spazio latente dei dati. I VAE codificano dati in una distribuzione nello spazio latente (tipicamente Gaussiana) e decodificano campioni tornando allo spazio dati. Permettono generazione controllabile e interpolazione nello spazio latente.
In English: VAE (Variational Autoencoder)Legge II · Probabilità, softmax e modelli generativiI VAE codificano dati in una distribuzione nello spazio latente (tipicamente Gaussiana) e decodificano campioni tornando allo spazio dati. Permettono generazione controllabile e interpolazione nello spazio latente.
Formula
L = E_q[log p(x|z)] − D_KL(q(z|x) ‖ p(z)); z = μ + σε
Esempio numerico
import numpy as np
mu, logvar = np.array([0.0, 1.0]), np.array([0.0, -1.0])
epsilon = np.random.default_rng(7).normal(size=2)
z = mu + np.exp(0.5 * logvar) * epsilon
print(z) # campione latente riparametrizzatoQuando usarlo
Serve per rappresentazioni latenti continue, generazione e stima di distribuzioni con un prior regolare.
Limiti
Il compromesso tra ricostruzione e KL può produrre output sfocati o posterior collapse e richiede regolazione.
Esempi
- Generazione immagini
- Rilevamento anomalie
- Compressione dati
Autovalutazione
Tre domande per verificare la comprensione della voce. Le spiegazioni restano disponibili anche senza JavaScript.