Objectif : distinguer reconstruction, génération probabiliste et familles de modèles.
Un encodeur transforme x en représentation latente z; un décodeur reconstruit x̂.
Le réseau minimise une perte de reconstruction. S'il a trop de capacité sans contrainte, il
peut apprendre une simple identité et produire une représentation peu utile.
x → encodeur → z → décodeur → x̂Usages : compression, débruitage, préentraînement, détection d'anomalies. Une forte erreur de reconstruction n'est un bon score d'anomalie que si le protocole le confirme.
Le Variational Autoencoder apprend une distribution latente et optimise reconstruction plus régularisation KL. On peut échantillonner dans l'espace latent puis décoder. Le compromis entre fidélité et structure latente est central.
Aperçu — la suite de la leçon est réservée aux inscrits.
Votre accès est rattaché à votre compte, pas à ce lien. Connectez-vous avec le même courriel qu'en classe : votre cours vous attend, inutile de ré-entrer le code.
Se connecterPas encore de compte ? En créer unLes premiers modules du cours sont en accès libre. Pour la suite, trois possibilités : acheter ce cours une fois pour toutes, vous abonner pour tout ouvrir, ou entrer le code si vous suivez le cours en classe.