Variational Autoencoder (VAE) / Tự mã hóa Biến thể

📖 Variational Autoencoder (VAE)

Definition (English):

VAE is a generative model that learns a latent representation of data by encoding inputs into a distribution (mean + variance) rather than a fixed point. The decoder generates new samples from sampled latent vectors. VAE uses a loss combining reconstruction quality with KL divergence to regularize the latent space. Applications: image generation, drug design, anomaly detection, representation learning.

📖 Tự mã hóa Biến thể

Định nghĩa (Tiếng Việt):

VAE là mô hình tổng hợp học biểu diễn tiềm ẩn của dữ liệu bằng cách mã hóa đầu vào thành phân bố (trung bình + phương sai) thay vì điểm cố định. Decoder tạo mẫu mới từ các vector tiềm ẩn được lấy mẫu. VAE sử dụng loss kết hợp chất lượng tái tạo với phân kỳ KL để điều chuẩn không gian tiềm ẩn. Ứng dụng: tạo hình ảnh, thiết kế thuốc, phát hiện bất thường, học biểu diễn.

📂 Phân loại: Algorithms