# VAE

jkl133

https://towardsdatascience.com/variational-autoencoders-as-generative-models-with-keras-e0c79415a7ebAn autoencoder is basically a neural network

ohado

AE와 VAE의 차이점은 AE는 잠재공간 z에 값을 저장하고 VAE는 확률 분포를 저장하여 (평균, 분산) 파라미터를 생성한다는 점이다. VAE의 decoder는 encoder가 만들어낸 z의 평균, 분산을 모수로 하는 정규분포를 전제하고 데이터의 사후확률 p(z|x)

ann9902

대부분의 내용의 출처는 십분딥러닝\_9_VAE(Variational AutoEncoder) 입니다.VAE의 구조도VAE 증명과정VAE 증명 전에 알아야 할 것들1\. Jensen's inequality2\. Variational InferenceKL-Divergence

tobigs-gm1

변이형 오토인코더 [작성자 : 김태한]

dbj2000

VAE 구조 이 구조에서 input 그림이 있을 때 어떤 의미를 가진 구조를 거쳐 output이 나오게 되는지 3 단계로 나누어 살펴볼 것이다. ⏳ 단계별 과정 input: x –> 𝑞∅ (𝑥)–> 𝜇𝑖,𝜎_𝑖 𝜇𝑖, 𝜎𝑖, 𝜖𝑖 –> 𝑧𝑖