Objetivo: distinguir reconstrução, geração probabilística e famílias de modelos.
Um codificador transforma x em representação latente z; um decodificador reconstrói x̂.
A rede minimiza uma perda de reconstrução. Se ela tiver capacidade demais sem restrição,
pode aprender uma simples identidade e produzir uma representação pouco útil.
x → codificador → z → decodificador → x̂Usos: compressão, remoção de ruído, pré-treinamento, detecção de anomalias. Um erro forte de reconstrução só é um bom score de anomalia se o protocolo confirmar.
O Variational Autoencoder aprende uma distribuição latente e otimiza reconstrução mais regularização KL. É possível amostrar no espaço latente e depois decodificar. O compromisso entre fidelidade e estrutura latente é central.
Pré-visualização — o resto da lição está reservado aos inscritos.
O seu acesso está ligado à sua conta, não a esta ligação. Inicie sessão com o mesmo e-mail usado na aula: o seu curso está à espera, não precisa de introduzir o código de novo.
Iniciar sessãoAinda não tem conta? Criar umaOs primeiros módulos do curso são de acesso livre. Para o resto há três possibilidades: comprar este curso de uma vez por todas, subscrever, ou introduzir o código entregue na aula.