Variational Autoencoder (VAE) Ein Autoencoder verdichtet Daten über eine schmale Zwischenschicht und rekonstruiert sie anschließend wieder; der Variational Autoencoder lernt dabei zusätzlich eine Wahrscheinlichkeitsverteilung dieser Zwischendarstellung. Dadurch lassen sich gezielt neue, ähnliche Daten erzeugen. VAEs sind heute vor allem Baustein größerer Systeme, etwa in Diffusionsmodellen.
Kurz-Fakten
Aufbau: Encoder, latenter Raum, Decoder
Der VAE erzeugt eine Verteilung statt eines festen Punkts
Ergebnisse wirken oft weicher als die von GANs oder Diffusionsmodellen
Wird auch zur Anomalieerkennung über den Rekonstruktionsfehler genutzt
Bedeutung in der Praxis
Die Anwendung in der Anomalieerkennung ist praktisch die interessanteste: Was sich schlecht rekonstruieren lässt, weicht vom Gelernten ab. Das funktioniert ohne beschriftete Fehlerbeispiele – ein großer Vorteil in der Fertigung.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.