Variational Autoencoders

Variational Autoencoders (VAE) sind eine Art von generativem Modell, das verwendet wird, um die Wahrscheinlichkeitsverteilung komplexer Daten zu lernen. VAE komprimieren die Eingabedaten über einen Encoder in eine Wahrscheinlichkeitsverteilung von latenten Variablen und entnehmen dann mithilfe eines Decoders Stichproben aus dieser Verteilung, um neue Daten zu erzeugen, die der Eingabe ähneln. Im Gegensatz zu traditionellen Autoencodern optimieren VAE während des Trainings sowohl den Rekonstruktionsfehler der Daten als auch die Ähnlichkeit der Verteilung der latenten Variablen, sodass das Modell vielfältige und kontinuierliche Daten erzeugen kann. VAE werden in Anwendungen wie der Bilderzeugung und der Anomalieerkennung weit verbreitet eingesetzt.