Dynamical Variational Autoencoders: A Comprehensive Review
A variációs autoencoderek (VAE-k) nagy teljesítményű mély generatív modellek, amelyeket széles körben használnak nagydimenziós komplex adatok alacsony dimenziós látens téren keresztül történő, felügyelet nélküli módon tanult reprezentálására. Ebben a monográfiában a szerzők bemutatják és tárgyalják a modellek egy általános osztályát, az úgynevezett dinamikus variációs autoencodereket (DVAE-k), amelyek kiterjesztik a VAE-ket az időbeli vektorszekvenciák modellezésére. Ennek során a szerzők a következőket nyújtják:
- a DVAE-k általános osztályának formális definícióját.
- hét DVAE modell részletes és teljes technikai leírását.
- gyors áttekintést adnak az újabb szakirodalomban bemutatott egyéb DVAE modellekről.
- a DVAE-kkel kapcsolatos legújabb fejlemények megvitatása a klasszikus modellek történetéhez és technikai hátteréhez viszonyítva.
- a kiválasztott DVAE-modellek mennyiségi összehasonlítása.
- a DVAE-modellek osztályát perspektívába helyező vita.
Ez a monográfia a DVAE-k jelenlegi állásának átfogó áttekintése. Az olvasó számára közérthető összefoglalást ad a különböző DVAE-modellek technikai vonatkozásairól, a klasszikusokkal való kapcsolataikról.
Modellekhez, azok keresztkapcsolataihoz és a DVAE osztályban való egyesítésükhöz egy tömör, könnyen olvasható könyvben.
A szerzők jelentős erőfeszítéseket tettek a különböző modellekben használt terminológia és jelölések egységesítésére, ami a gépi tanulással foglalkozó hallgatók, kutatók és gyakorlati szakemberek számára felbecsülhetetlen értékű forrás.