Autoencoder自编码器

Latent World Model 架构实战：具身智能中的隐空间建模与状态压缩

LatentWorldModel架构实战：具身智能中的隐空间建模与状态压缩关键词具身智能、LatentWorldModel、状态建模、变分自编码器、感知压缩、动态预测、多模态对齐、认知建模、世界模型、状态表示学习摘要在具身智能系统中

观熵·2025-06-18 07:40

生成对抗网络(GAN)与深度生成模型实战

1.生成模型基础与GAN原理1.1生成模型概览生成模型是深度学习中的重要分支，主要分为以下几类：变分自编码器(VAE)：基于概率图模型的生成方法生成对抗网络(GAN)：通过对抗训练学习数据分布自回归模型

软考和人工智能学堂·2025-06-17 23:21

SAE层、BPNN层结合的深度学习模型

HongqiLiu,BinLi,andFangyuPengIEEETRANSACTIONSONINDUSTRIALELECTRONICS,VOL.66,NO.1,JANUARY2019一SAE层(栈式自编码器层

sbc-study·2025-06-14 14:12

AI学习指南深度学习篇-变分自编码器的应用与扩展

AI学习指南深度学习篇-变分自编码器的应用与扩展目录引言变分自编码器概述变分自编码器在图像生成中的应用变分自编码器在图像重建中的应用

俞兆鹏·2025-06-14 08:38

变分自编码器的扩展模型:条件VAE

变分自编码器的扩展模型:条件VAE作者：禅与计算机程序设计艺术1.背景介绍近年来,变分自编码器(VariationalAutoencoder,VAE)作为一种强大的生成式模型,在图像生成、文本生成等任务中展现出了卓越的性能

AI天才研究院·2025-06-14 08:05

【深度学习】自编码器：数据压缩与特征学习的神经网络引擎

作者选择了由IanGoodfellow、YoshuaBengio和AaronCourville三位大佬撰写的《DeepLearning》(人工智能领域的经典教程，深度学习领域研究生必读教材),开始深度学习领域学习，深入全面的理解深度学习的理论知识。之前的文章参考下面的链接：【深度学习】线性因子模型：数据降维与结构解析的数学透镜【学习笔记】强化学习：实用方法论【学习笔记】序列建模：递归神经网络（RN

瑶光守护者·2025-06-09 17:41

生成式AI模型学习笔记

文章目录生成式AI模型1.定义2.生成式模型与判别式模型3.深度生成式模型的类型3.1能量模型3.2变分自编码3.2.1变分自编码器（VariationalAutoencoder,VAE）简介3.2.2

Humbunklung·2025-06-06 09:19

从 “被动拦截” 到 “智能预判”：下一代防火墙的五大核心技术突破

一、AI驱动的威胁检测引擎：从规则匹配到行为建模技术突破机器学习驱动的异常检测抛弃传统的"特征码匹配"模式，采用无监督学习算法（如孤立森林、VAE变分自编码器）构建

柏睿网络·2025-06-06 03:15

入选 ICML 2025，清华/人大/字节提出首个跨分子种类统一生成框架 UniMoMo，实现多类型药物分子设计

该框架基于分子片段（block）对不同种类的分子进行统一表示，使用变分自编码器对每个block的全原子构象进行压缩，并在压缩后的隐空间进行几何扩散建模（diffusion），从而实现对同一靶点不同结合分子种类

·2025-06-03 21:59

【课堂笔记】生成对抗网络 Generative Adversarial Network（GAN）

另一方面，传统生成模型（如变分自编码器VAE）生成的样本往往模糊或缺乏多样性，难以捕捉真实数据的复杂分布（如高分辨率图像、复杂文本等）。生成式对抗网络（GAN）提出了用生成器（Gener

zyq~·2025-06-02 14:22

python学习day21

找到能够有效重构原始数据的紧凑表示（如Autoencoder）。找到统计上独立的成分（如ICA）。典型算法：

一叶知秋秋·2025-06-02 06:56

一文解析13大神经网络算法模型架构

深度神经网络（DNN）三、专项任务架构：领域定制化突破3.1卷积神经网络（CNN）3.2循环神经网络（RNN）3.3图神经网络（GNN）四、生成模型：从数据到创造4.1生成对抗网络（GAN）4.2变分自编码器

攻城狮7号·2025-05-20 08:58

【图像生成大模型】Wan2.1：下一代开源大规模视频生成模型

Wan2.1：下一代开源大规模视频生成模型引言Wan2.1项目概述核心技术1.3D变分自编码器（Wan-VAE）2.视频扩散Transformer（VideoDiffusionDiT）3.数据处理与清洗项目运行方式与执行步骤

白熊188·2025-05-19 12:41

生成式人工智能：创意产业的变革力量

一、生成式人工智能简介（一）定义与原理生成式人工智能是一种利用深度学习算法（如生成对抗网络GAN、变分自编码器VAE和T

Blossom.118·2025-05-17 15:58

AI大模型全景干货：分类、特点、应用、数据与学习指南

（3）变分自编码器（VAE）：通过编码器和解码器实现对数据的压缩和重建。2

程序员辣条·2025-05-14 03:18

【神经网络与深度学习】VAE 中的先验分布指的是什么

在变分自编码器（VAE）中，先验分布指的是对潜在空间中随机变量的概率分布假设。通常情况下，VAE设定潜在变量服从标准正态分布(N(0,I))，其中(0)代表均值为零的向量，(I)为单位协方差矩阵。

如果树上有叶子·2025-05-11 19:36

AI大模型干货 | AI大模型的分类、特点、应用、详细数据、如何学习大模型？

（3）变分自编码器（VAE）：通过编码器和解码器实现对数据的压缩和重建。2

大模型RAG实战·2025-05-11 11:22

《大规模电动汽车充换电设施可调能力聚合评估与预测》MATLAB实现计划

模型概述根据论文，我将复刻实现结合长短期记忆网络(LSTM)和条件变分自编码器(CVAE)的预测方法，用于电动汽车充换电设施可调能力的聚合评估与预测。

小彭律师·2025-05-11 11:22

深入浅出：AIGC条件生成模型架构解析

深入浅出：AIGC条件生成模型架构解析关键词：AIGC、条件生成模型、生成对抗网络、变分自编码器、Transformer、扩散模型、多模态生成摘要：本文系统解析AIGC（人工智能生成内容）领域中条件生成模型的核心架构与技术原理

AI天才研究院·2025-05-10 17:21

Keras深度学习实战——自编码器详解

全栈领域优质创作者、51CTO(Top红人+专家博主)、github开源爱好者（go-zero源码二次开发、游戏后端架构https://github.com/Peakchen）Keras深度学习实战——自编码器详解简介自编码器

鱼弦·2025-05-10 15:38

【神经网络与深度学习】普通自编码器和变分自编码器的区别

引言自编码器（Autoencoder，AE）和变分自编码器（VariationalAutoencoder，VAE）是深度学习中广泛应用的两类神经网络结构，主要用于数据的压缩、重构和生成。

如果树上有叶子·2025-05-09 20:02

ACE-Step：扩散自编码文生音乐基座模型快速了解

它通过整合基于扩散的生成方式、Sana的深度压缩自编码器（DCAE）以及轻量级线性变换器，在音乐生成速度、音乐连贯性和可控性等方面达到前所未有的高度，成功克服了现有方法的关键局限性。

Panesle·2025-05-08 08:08

赢者通吃自编码器（WTA-AE）

参考：1.论文：winner-take-all-autoencoders.pdf2.代码：a.fullconnectWTA-AEb.Conv-WTA-AE简单理解：spatialsparsity:对卷积得到的feature-map-tensor(shape=[N,H,W,C]),沿每个channel,是一个H*W的张量，仅仅保留这个H*W的张量上的最大值，其余数值元素置零。lifetimespar

wzg2016·2025-05-03 20:10

【论文阅读】Examining of Shallow Autoencoder on Black-box Attack against Face Recognition

摘要在本文中，我们提出了一种对人脸识别有效的黑盒对抗示例（A.E.）攻击。用于人脸识别的黑盒A.E.存在攻击成功概率低、攻击目标有限或计算复杂度大等多重问题，导致在许多实际场景中不切实际。因此，我们提出了一种更有效的利用黑盒A.E.攻击人脸识别系统的方法，基于Huang等人的A.E.生成方法，创建了一个适合人脸识别的攻击替代模型。为了进行评估，该方法和公共数据集用于攻击在人脸识别系统中注册的任意和

Bosenya12·2025-05-02 12:41

AIGC 游戏：AIGC 领域的新兴潮流

通过分析生成式对抗网络（GAN）、变分自编码器（VAE）、大型语言模型（LLM）等核心算法，结合Unity/UE引擎实战案例，揭示AIGC如

AI原生应用开发·2025-04-30 14:03

PixelFlow：像素空间生成模型的新范式（代码实现）

然而，主流的潜在空间扩散模型（LatentDiffusionModels,LDMs）依赖于预训练的变分自编码器（VAE），将数据压缩到潜在空间以降低计算成本。

阿正的梦工坊·2025-04-17 21:49

大语言模型应用指南：图像生成

大语言模型应用指南：图像生成关键词：大语言模型，图像生成，文本到图像，生成对抗网络，变分自编码器，扩散模型1.背景介绍1.1问题的由来图像生成作为计算机视觉和人工智能领域的一个重要分支，一直是众多学者和工程师关注的焦点

AI智能涌现深度研究·2025-04-14 22:05

生成对抗网络（GAN）在计算机视觉中的全面解析

生成学习大致可分为两大类：变分自编码器（VAE）和生成对抗网络（GAN）。

t0_54manong·2025-04-14 01:52

基于神经网络的聚类算法（1）——自组织映射神经网络（SOM）

基于神经网络的聚类算法（1）——自组织映射神经网络（SOM）基于神经网络的聚类算法（2）——自编码器（AE）1.基于神经网络的聚类算法基于神经网络的聚类算法是一种利用神经网络模型进行数据聚类的方法。

root-cause·2025-04-08 14:35

【学习笔记(0)】Variational Autoencoder 变分自编码器

本文是VAE的学习笔记，是阅读多个网站的intro时记录的阅读笔记。VariationalAutoencodersExplained-https://anotherdatum.com/vae.html讲的很细，但看完之后不太有整体思路GenerativeModeling:WhatisaVariationalAutoencoder(VAE)?-https://www.mlq.ai/what-is-a

该账户已不存在·2025-04-04 03:55

深度学习 Deep Learning 第14章自编码器

深度学习DeepLearning第14章自编码器内容概要本章深入探讨了自编码器（Autoencoders），这是一种用于特征学习和降维的神经网络架构。

odoo中国·2025-04-01 11:35

第五十三周：文献阅读

目录摘要Abstract文献阅读：一种用于室内空气质量预测的新型变分自编码器深度学习框架现有问题提出方法方法论1、偏最小二乘（PLS）2、变分自动编码器（VAE）3、变分自动编码器回归器（VAER）所提出的方法

m0_66015895·2025-03-31 10:05

零碎的知识点（十五）：理解条件变分自编码器 Conditional Variational Autoencoders （CVAE）：简单原理与数值案例详解

理解条件变分自编码器ConditionalVariationalAutoencoders（CVAE）：简单原理与数值案例详解理解条件变分自编码器（CVAE）：简单原理与数值案例详解1.CVAE是什么？

墨绿色的摆渡人·2025-03-30 09:15

开源图生视频模型技术全景解析

一、核心架构与技术演进（一）模型基础框架多模态融合架构腾讯混元模型采用统一的全注意力机制，集成3D变分自编码器（VAE）实现图像到视频的时空特征编码。

Liudef06·2025-03-26 05:45

MATLAB 2024b深度学习工具箱新特性全面解析与DeepSeek大模型集成开发：卷积神经网络、迁移学习算法、时间卷积网络、生成式对抗网络、自编码器、目标检测YOLO模型、语义分割、注意力机制等

随着人工智能技术的飞速发展，其与多学科的交叉融合以及在工程实践领域的纵深拓展已成为时代潮流。在这一背景下，MATLAB2024b深度学习工具箱应运而生，凭借架构创新与功能强化，为科研工作者提供了一套全栈式的科研创新与行业应用解决方案，具有重要的时代意义。本教程紧密围绕该版本工具链的三大革新方向展开，致力于助力科研工作者在深度学习领域取得突破性进展。首先，构建了覆盖经典模型与前沿架构的体系化教程，从

WangYan2022·2025-03-26 03:06

AI如何创作音乐及其案例

变分自编码器（

alankuo·2025-03-17 21:44

Python第二十三课：自监督学习 | 无标注数据的觉醒

本节目标理解自监督学习的核心范式与优势掌握对比学习（ContrastiveLearning）框架实现图像掩码自编码器（MaskedAutoencoder）开发实战项目：亿级参数模型轻量化探索数据增强的创造性艺术一

程之编·2025-03-17 06:54

为什么VAE效果不好，但VAE+diffusion效果就好了？

VAE（VariationalAutoencoder，变分自编码器）是一种基于概率生成模型的深度学习框架，主要用于数据生成和潜在空间建模。

AndrewHZ·2025-03-12 12:43

【人工智能基础】生成模型：让数据“无中生有”的神奇魔法

文章目录一、生成模型的发展脉络二、生成模型的基本原理三、主要生成模型及其逻辑1、生成对抗网络（GAN）2、变分自编码器（VAE）3、扩散模型（DPM）4、基于能量的模型（EBM）5、正规化流（NF）四、

roman_日积跬步-终至千里·2025-03-10 03:49

VQ-Diffusion 深度解析与实战指南

VQ-Diffusion项目地址:https://gitcode.com/gh_mirrors/vqd/VQ-Diffusion1.项目介绍VQ-Diffusion是一个用于文本到图像合成的深度学习模型，基于矢量量化变分自编码器

晏灵昀Odette·2025-02-27 23:45

自编码器（Autoencoders）

自编码器（Autoencoders）:自编码器由编码器和解码器组成，编码器将输入数据压缩为低维表示，解码器将其还原为原始数据。通过训练，自编码器能够学习数据的有效表示，常用于降维和特征提取。

路野yue·2025-02-27 17:55

AIGC生图技术剖析：文本生成图像的核心算法与创新应用

全文目录：开篇语前言AIGC技术核心：从文本到图像的转换1.文本编码与语义提取2.生成对抗网络（GAN）3.变分自编码器（VAE）4.融合模型：CLIP+VQ-GAN核心算法示例：使用Python生成图像使用

喵手·2025-02-27 09:29

深度学习的前沿与挑战：从基础到最新进展

深度学习的工作原理深度学习的关键技术1.卷积神经网络（CNN）2.循环神经网络（RNN）3.生成对抗网络（GAN）4.变分自编码器（VAE）5.自注意力机制与Transformer深度学习的应用1.计算机视觉

Jason_Orton·2025-02-27 03:09

检测加密货币挖矿活动的异常端口

我们以检测加密货币挖矿活动的异常端口为例，使用无监督学习（自编码器）实现动态基线建模。

扫地僧009·2025-02-25 13:01

AIGC从入门到实战：ChatGPT 需要懂得写提示词的人

ChatGPT需要懂得写提示词的人第1章:AIGC概述1.1AIGC的基本概念AIGC（AI-GeneratedContent），即人工智能生成内容，是指利用人工智能技术，如生成对抗网络（GAN）、变分自编码器

AI天才研究院·2025-02-23 23:03

【深度学习基础模型】去噪自编码器 (Denoising Autoencoders, DAE)详细理解并附实现代码。

【深度学习基础模型】ExtractingandComposingRobustFeatureswithDenoisingAutoencoders【深度学习基础模型】ExtractingandComposingRobustFeatureswithDenoisingAutoencoders文章目录【深度学习基础模型】ExtractingandComposingRobustFeatureswithDeno

985小水博一枚呀·2025-02-22 22:00

【核心算法篇七】《DeepSeek异常检测：孤立森林与AutoEncoder对比》

大家好，今天我们来深入探讨一下《DeepSeek异常检测：孤立森林与AutoEncoder对比》这篇技术博客。

再见孙悟空_·2025-02-20 01:01

变分边界详解

公式1参考文章：证据下界（ELBO）、EM算法、变分推断、变分自编码器（VAE）和混合高斯模型（GMM）解释一下，我们之前都是用MLE计算损失，logp(x∣θ)logp(x|\theta)logp(x

半度、·2025-02-14 21:27

注意力机制：查询（Query）、键（Key）、值（Value）

它们通常是来自编码器或解码器的表示，通过它们的交互，模型能够聚焦于最相关的信息部分，从而提高预测的准确性。1.查询（Query）查询（Query）是用来在输入序列中查找相关信息的向量。

彬彬侠·2025-02-09 00:37

个性化音乐生成：生成式AI在音乐推荐与创作中的应用

文章目录引言生成式AI与个性化音乐生成1.变分自编码器（VAE）2.生成对抗网络（GAN）3.Transformer模型4.扩散模型（DiffusionModels）技术实现1.音乐特征提取2.基于VAE

二进制独立开发·2025-02-09 00:34

推荐频道