Objetivo: distinguir reconstrucción, generación probabilística y familias de modelos.
Un codificador transforma x en una representación latente z; un decodificador reconstruye x̂.
La red minimiza una pérdida de reconstrucción. Si tiene demasiada capacidad sin restricción,
puede aprender una simple identidad y producir una representación poco útil.
x → codificador → z → decodificador → x̂Usos: compresión, eliminación de ruido, preentrenamiento, detección de anomalías. Un alto error de reconstrucción solo es una buena puntuación de anomalía si el protocolo lo confirma.
El Variational Autoencoder aprende una distribución latente y optimiza reconstrucción más regularización KL. Se puede muestrear en el espacio latente y luego decodificar. El compromiso entre fidelidad y estructura latente es central.
Vista previa: el resto de la lección está reservado a los inscritos.
Tu acceso está vinculado a tu cuenta, no a este enlace. Inicia sesión con el mismo correo que usaste en clase: tu curso te espera, no hace falta volver a introducir el código.
Iniciar sesión¿Aún no tienes cuenta? Crear unaLos primeros módulos del curso son de acceso libre. Para el resto hay tres opciones: comprar este curso de una vez, suscribirte, o introducir el código entregado en clase.