Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Autoencoder Variationnel (VAE)
Architecture de réseau de neurones génératif qui apprend une représentation latente probabiliste des données d'entrée, permettant la génération de nouveaux échantillons par échantillonnage de cet espace latent.
Borne Inférieure Évidente (ELBO)
Objectif de maximisation dans les VAE, représentant la borne inférieure de la log-vraisemblance marginale des données, équilibrant reconstruction et régularisation de l'espace latent.
Posterior Approximatif (q(z|x))
Distribution paramétrée par l'encodeur qui approxime la vraie distribution postérieure des variables latentes conditionnellement aux données d'entrée dans le cadre des VAE.
Effondrement Postérieur
Problème dans les VAE où la distribution latente apprise devient identique à la distribution a priori, rendant l'encodeur inutile et générant des échantillons de faible qualité.
Distribution A Priori (p(z))
Distribution de probabilité choisie pour les variables latentes dans les VAE, typiquement une gaussienne standard N(0, I), servant de régularisateur pour l'espace latent.
Autoencoder Déconvolutionnel
Variante de VAE utilisant des couches de déconvolution dans le décodeur pour générer des données structurées comme des images, préservant mieux les relations spatiales.
Désenchevêtrement des Facteurs
Propriété souhaitée où chaque dimension de l'espace latent d'un VAE capture un facteur de variation sémantiquement indépendant dans les données générées.
Hiérarchie de Variables Latentes
Architecture VAE avancée utilisant plusieurs niveaux de variables latentes pour capturer des caractéristiques à différentes échelles d'abstraction dans les données.
Flux Normalisant dans les VAE
Intégration de transformations de flux normalisant pour augmenter la flexibilité de la distribution a priori ou du posterior approximatif, améliorant la qualité générative des VAE.