« Effondrement postérieur » : différence entre les versions
m (Arianne a déplacé la page Posterior Collapse vers Effondrement postérieur) |
Aucun résumé des modifications |
||
(Une version intermédiaire par un autre utilisateur non affichée) | |||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Phénomène dans lequel la distribution variationnelle postérieure correspond à la distribution variationnelle antérieure, réduisant ainsi la capacité du '''[[modèle génératif]]'''. Ce phénomène se produit principalement dans les autoencodeurs variationnels, mais il se produit aussi dans les encodeurs linéraires, parfois appelés encodeurs faibles. | Phénomène dans lequel la distribution variationnelle postérieure correspond à la distribution variationnelle antérieure, réduisant ainsi la capacité du '''[[modèle génératif]]'''. Ce phénomène se produit principalement dans les autoencodeurs variationnels, mais il se produit aussi dans les encodeurs linéraires, parfois appelés encodeurs faibles. | ||
Ligne 24 : | Ligne 22 : | ||
[https://proceedings.neurips.cc/paper/2021/file/2b6921f2c64dee16ba21ebf17f3c2c92-Paper.pdf Source : Proceedings neurips] | [https://proceedings.neurips.cc/paper/2021/file/2b6921f2c64dee16ba21ebf17f3c2c92-Paper.pdf Source : Proceedings neurips] | ||
[[Catégorie: | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
Dernière version du 11 novembre 2024 à 09:02
Définition
Phénomène dans lequel la distribution variationnelle postérieure correspond à la distribution variationnelle antérieure, réduisant ainsi la capacité du modèle génératif. Ce phénomène se produit principalement dans les autoencodeurs variationnels, mais il se produit aussi dans les encodeurs linéraires, parfois appelés encodeurs faibles.
Voir aussi autoencodeur variationnel et effondrement du modèle
Français
effondrement postérieur
Anglais
posterior collapse
latent variable collapse
The phenomenon where the variational posterior distribution matches the prior distribution, thus reducing the capacity of the generative model. It happens mostly in variational autoencoders, but it can happen in weak (linear) encoders as well.