Autoencodeurs Variationnels

Les Autoencodeurs Variationnels (VAE) sont un type de modèle génératif utilisé pour apprendre la distribution de probabilité de données complexes. Les VAE compressent les données d'entrée en une distribution de probabilité de variables latentes via un encodeur, puis échantillonnent à partir de cette distribution à l'aide d'un décodeur pour générer de nouvelles données ressemblant à l'entrée. Contrairement aux autoencodeurs traditionnels, les VAE optimisent pendant l'entraînement à la fois l'erreur de reconstruction des données et la similarité de la distribution des variables latentes, permettant au modèle de générer des données diverses et continues. Les VAE sont largement utilisés dans des applications telles que la génération d'images et la détection d'anomalies.