Вариационный автокодировщик

Материал из MachineLearning.

(Различия между версиями)

Версия 14:23, 13 июля 2026

Статья написана с использованием LLM DeepSeek-V4 Preview и проверена участником @goodbye3215 18:23, 13 июля 2026 (MSD)

Вариационный автокодировщик (англ. variational autoencoder, VAE) — класс генеративных моделей машинного обучения, сочетающих байесовский вариационный вывод с гибкостью глубоких нейронных сетей. В отличие от классического автокодировщика, который отображает каждый входной образец в одну точку скрытого пространства, VAE моделирует скрытое представление как вероятностное распределение, что позволяет не только сжимать данные, но и генерировать новые образцы.

Вариационные автокодировщики являются одной из фундаментальных архитектур в области обучения без учителя и широко применяются для генерации изображений, текстов, а также в задачах представления данных. Благодаря своей строгой вероятностной основе и относительно стабильному обучению VAE остаются востребованным инструментом в исследовательской и инженерной практике.

Определение и ключевые понятия

Пусть задан набор наблюдений $\{x_i\}_{i=1}^N$ , порождённых неизвестным распределением $P_{\text{data}}(x)$ . Предполагается, что данные порождаются некоторым скрытым (латентным) процессом: сначала из априорного распределения $P(z)$ порождается скрытая переменная $z$ , затем из условного распределения $P(x|z)$ — наблюдение $x$ . Задача обучения состоит в том, чтобы, имея только наблюдения $x$ , восстановить параметры модели $P_\theta(x|z)$ и $P(z)$ , максимизируя логарифм правдоподобия:

$\log P_\theta(x) = \log \int P_\theta(x|z) P(z) \, dz$

Прямое вычисление этого интеграла, однако, практически всегда является вычислительно неразрешимым. Кроме того, апостериорное распределение $P(z|x)$ , необходимое для обучения, также оказывается недоступным в аналитическом виде.

Вариационный автокодировщик предлагает обходной путь: вместо точного вычисления апостериорного распределения вводится его параметрическая аппроксимация $q_\phi(z|x)$ (также называемая распознающей моделью, recognition model), и задача обучения формулируется как совместная оптимизация параметров $\theta$ (генеративная модель, декодер) и $\phi$ (вариационная аппроксимация, энкодер).

В отличие от детерминированного автокодировщика, в VAE энкодер выдаёт не точку в скрытом пространстве, а параметры распределения (обычно математическое ожидание и дисперсию), из которого затем семплируется скрытый вектор $z$ . Это вероятностное представление скрытого пространства позволяет генерировать новые данные, семплируя $z$ из априорного распределения и пропуская его через декодер.

Исторический контекст

Развитие вариационных автокодировщиков органично вписывается в эволюцию методов снижения размерности и генеративного моделирования:

1933 год — Метод главных компонент (PCA): Хотеллинг предлагает линейный метод снижения размерности, находящий проекции данных на направления максимальной дисперсии. PCA остаётся стандартным инструментом, однако его линейность ограничивает применимость для сложных данных.

1980–1990-е годы — Автокодировщики (Autoencoders): С появлением обратного распространения ошибки становятся возможными нелинейные обобщения PCA — автокодировщики, использующие нейронные сети для кодирования и декодирования данных. Однако они не имеют вероятностной интерпретации и не могут служить генеративными моделями.

2013 год — Появление VAE: Д. П. Кингма и М. Веллинг в работе «Auto-Encoding Variational Bayes» формализуют подход, сочетающий вариационный вывод с обучением глубоких генеративных моделей. Ключевая инновация — Приём репараметризации (reparameterization trick), позволяющий вычислять градиенты по параметрам вариационного распределения с помощью стандартных методов стохастического градиентного спуска.

2014 год — Публикация на ICLR: Работа Кингмы и Веллинга получает широкое признание и становится основой для сотен последующих исследований. В том же году появляются генеративно-состязательные сети (GAN), предлагающие альтернативный подход к генеративному моделированию.

2015–2020 годы — Расширения и модификации: Предложены многочисленные варианты VAE — Conditional VAE (условная генерация), VAE с иерархическими скрытыми переменными, динамические VAE для временных рядов, а также гибридные архитектуры, сочетающие VAE с GAN.

2020-е годы — Зрелость технологии: VAE становятся стандартным инструментом в медицинской визуализации, генерации молекулярных структур и других областях. Активно ведутся исследования по преодолению фундаментальных ограничений VAE, таких как коллапс апостериорного распределения.

Математическая основа

Проблема неразрешимого правдоподобия

В классической постановке задачи генеративного моделирования требуется максимизировать логарифм правдоподобия:

$\log P_\theta(x) = \log \int P_\theta(x|z) P(z) \, dz$

Для сложных данных (изображения, текст) это интегрирование не имеет аналитического решения, а численные методы (например, Монте-Карло) оказываются вычислительно несостоятельными.

Вариационный вывод и ELBO

Вместо точного вычисления $P(z|x)$ вводится параметрическая аппроксимация $q_\phi(z|x)$ . Для любой такой аппроксимации справедливо неравенство:

$\log P_\theta(x) \ge \mathbb{E}_{q_\phi(z|x)}[\log P_\theta(x|z)] - D_{KL}(q_\phi(z|x) \| P(z))$

Правая часть этого неравенства называется нижней границей свидетельства (Evidence Lower Bound, ELBO). Она состоит из двух слагаемых:

Ошибка реконструкции (reconstruction loss): $\mathbb{E}_{q_\phi(z|x)}[\log P_\theta(x|z)]$ — насколько хорошо декодер восстанавливает исходный образец из скрытого представления.
Регуляризационный член (KL-дивергенция): $D_{KL}(q_\phi(z|x) \| P(z))$ — мера расхождения между апостериорным распределением $q_\phi(z|x)$ и априорным распределением $P(z)$ (обычно стандартным нормальным). Этот член обеспечивает гладкость скрытого пространства и предотвращает переобучение.

Оптимизация ELBO по параметрам $\theta$ и $\phi$ является корректной задачей, поскольку максимизация нижней границы приводит к увеличению самого правдоподобия.

Приём репараметризации

Основная техническая трудность при оптимизации ELBO заключается в том, что операция семплирования $z \sim q_\phi(z|x)$ недифференцируема по параметрам $\phi$ . Приём репараметризации обходит эту проблему: вместо прямой генерации $z$ из распределения $q_\phi(z|x)$ вводится вспомогательная случайная переменная $\varepsilon \sim \mathcal{N}(0, I)$ , и $z$ выражается как детерминированная функция от $\varepsilon$ и параметров $\phi$ .

В случае гауссовского апостериорного распределения $q_\phi(z|x) = \mathcal{N}(z; \mu_\phi(x), \sigma_\phi^2(x) I)$ приём репараметризации записывается как:

$z = \mu_\phi(x) + \sigma_\phi(x) \odot \varepsilon, \quad \varepsilon \sim \mathcal{N}(0, I)$

Это позволяет вычислять градиенты по $\phi$ стандартным образом, так как вся случайность теперь сосредоточена в $\varepsilon$ , независимом от параметров модели.

Архитектура

Вариационный автокодировщик состоит из двух основных компонентов:

Энкодер (кодировщик, распознающая модель) $q_\phi(z|x)$ — нейронная сеть, которая принимает на вход образец $x$ и выдаёт параметры распределения в скрытом пространстве: математическое ожидание $\mu_\phi(x)$ и логарифм дисперсии $\log \sigma_\phi^2(x)$ . Выходом энкодера является не сам скрытый вектор, а распределение, из которого он будет семплирован.

Декодер (раскодировщик, генеративная модель) $P_\theta(x|z)$ — нейронная сеть, которая принимает на вход скрытый вектор $z$ и восстанавливает исходный образец $x$ (или параметры распределения, из которого он мог бы быть сгенерирован).

Процесс работы VAE включает следующие этапы:

Входной образец $x$ подаётся на энкодер, который вычисляет параметры распределения $\mu_\phi(x)$ и $\log \sigma_\phi^2(x)$ .
С помощью приёма репараметризации из этого распределения семплируется скрытый вектор $z$ .
Скрытый вектор $z$ подаётся на декодер, который восстанавливает образец $\hat{x}$ (или вычисляет параметры распределения $P_\theta(x|z)$ ).
Вычисляется функция потерь — отрицательный ELBO, состоящий из ошибки реконструкции и KL-дивергенции.
Градиенты функции потерь распространяются обратно через всю сеть (обратное распространение ошибки), обновляя параметры как энкодера, так и декодера.

Обучение

Обучение VAE — это задача максимизации ELBO с использованием стохастического градиентного спуска. Функция потерь для одного образца имеет вид:

$\mathcal{L}(\theta, \phi; x) = - \mathbb{E}_{q_\phi(z|x)}[\log P_\theta(x|z)] + D_{KL}(q_\phi(z|x) \| P(z))$

Первый член (отрицательная ошибка реконструкции) штрафует модель за неточное восстановление входных данных. Для изображений в качестве $\log P_\theta(x|z)$ обычно используется бинарная или гауссовская кросс-энтропия.

Второй член (KL-дивергенция) действует как регуляризатор, «притягивая» апостериорное распределение $q_\phi(z|x)$ к априорному $P(z) = \mathcal{N}(0, I)$ . В случае гауссовских распределений KL-дивергенция вычисляется аналитически:

$D_{KL}(\mathcal{N}(\mu, \sigma^2) \| \mathcal{N}(0, 1)) = -\frac{1}{2} \sum_{j=1}^d \left(1 + \log \sigma_j^2 - \mu_j^2 - \sigma_j^2\right)$

Эта регуляризация обеспечивает два важных свойства:

Непрерывность скрытого пространства: близкие точки в скрытом пространстве соответствуют семантически близким образцам.
Полнота скрытого пространства: любая точка из априорного распределения $\mathcal{N}(0, I)$ при пропуске через декодер даёт осмысленный образец.

Применения

Вариационные автокодировщики находят применение в широком спектре областей:

Генерация изображений: создание новых реалистичных изображений, интерполяция между образцами, редактирование изображений через манипуляции в скрытом пространстве.

Медицинская визуализация: генерация синтетических медицинских изображений для аугментации данных, сегментация анатомических структур, обнаружение аномалий.

Обработка естественного языка: генерация текста, моделирование диалогов, представление слов и предложений в непрерывном пространстве.

Биоинформатика и Открытие лекарств: генерация молекулярных структур с заданными свойствами.

Представление данных: обучение сжатых, интерпретируемых представлений для последующих задач классификации и кластеризации.

Обнаружение аномалий: выявление выбросов на основе ошибки реконструкции — образцы, которые плохо восстанавливаются декодером, считаются аномальными.

Видео и временные ряды: динамические VAE для моделирования последовательных данных, прогнозирования и генерации видео.

Современные вызовы и ограничения

Несмотря на успехи, VAE сталкиваются с рядом фундаментальных проблем:

Размытость генерируемых образцов (blurry samples): VAE часто дают менее чёткие изображения по сравнению с GAN или диффузионными моделями. Это связано с тем, что оптимизация ELBO поощряет модель восстанавливать усреднённое по всем возможным $z$ значение, что приводит к сглаживанию.

Коллапс апостериорного распределения (posterior collapse): в некоторых случаях вариационное распределение $q_\phi(z|x)$ перестаёт зависеть от входных данных $x$ и сходится к априорному распределению $P(z)$ . В результате скрытые переменные становятся неинформативными, и модель фактически перестаёт использовать скрытое пространство. Проблема особенно остра для моделей с мощными авторегрессионными декодерами.

Вычислительная сложность: обучение VAE на больших наборах данных требует значительных вычислительных ресурсов, что влечёт как финансовые, так и экологические издержки.

Оценка качества: как и для других генеративных моделей, остаётся открытой проблема объективной оценки качества генерируемых образцов.

Качество против разнообразия (quality vs. diversity trade-off): существует внутреннее противоречие между стремлением к высокому качеству отдельных образцов и необходимостью покрывать всё многообразие данных.

Среди перспективных направлений исследований — разработка методов борьбы с коллапсом апостериорного распределения, создание гибридных архитектур, сочетающих VAE с GAN или диффузионными моделями, повышение вычислительной эффективности, а также развитие теоретических основ VAE.

См. также

Литература

Kingma D. P., Welling M. ICLR. — 2014.

Kingma D. P., Welling M. Foundations and Trends in Machine Learning. — 2019. — Т. 12. — № 4. — С. 307–392.

Asperti A., Evangelista D., Loli Piccolomini E. arXiv:2103.01071. — 2021.

Kalingeri V. arXiv:2206.09891. — 2022.

Yu R. arXiv:2006.10273. — 2020.

Fabius O., van Amersfoort J. R. arXiv:2206.09891. — 2022.

Girin L., Leglaive S., Bie X., Diard J., Hueber T., Alameda-Pineda X. arXiv:2008.12595. — 2020.

Stats. — 2026. — Т. 9. — № 2. — С. 23.

Journal of Big Data. — Springer, 2025. — Т. 12. — № 230.

Goodfellow I., Bengio Y., Courville A. Deep Learning: книга. — MIT Press, 2016.

Источник — «http://www.machinelearning.ru/wiki/index.php?title=%D0%92%D0%B0%D1%80%D0%B8%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B0%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D1%80%D0%BE%D0%B2%D1%89%D0%B8%D0%BA»

Категории: Генеративные модели | Нейронные сети | Глубокое обучение

@@ Строка 1: / Строка 1: @@
-{{well|Статья написана с использованием LLM '''DeepSeek-V4 Preview''' и проверена участником [[Участник:Stepan Suvorov|@goodbye3215]] 18:17, 13 июля 2026 (MSD)}}
+{{well|Статья написана с использованием LLM '''DeepSeek-V4 Preview''' и проверена участником [[Участник:Stepan Suvorov|@goodbye3215]] 18:23, 13 июля 2026 (MSD)}}
 [[Категория:Генеративные модели]]
@@ Строка 5: / Строка 5: @@
 [[Категория:Глубокое обучение]]
-'''Вариационный автокодировщик''' (англ. variational autoencoder, VAE) — класс [[Генеративная модель|генеративных моделей]] [[Машинное обучение|машинного обучения]], сочетающих байесовский [[Вариационный вывод|вариационный вывод]] с гибкостью [[Глубокое обучение|глубоких нейронных сетей]]. В отличие от классического [[Автокодировщик|автокодировщика]], который отображает каждый входной образец в одну точку скрытого пространства, VAE моделирует скрытое представление как вероятностное распределение, что позволяет не только сжимать данные, но и генерировать новые образцы.
+'''Вариационный автокодировщик''' (англ. variational autoencoder, VAE) — класс [[Генеративная модель|генеративных моделей]] [[Машинное обучение|машинного обучения]], сочетающих [[Байесовский вывод|байесовский]] [[Вариационный вывод|вариационный вывод]] с гибкостью [[Глубокое обучение|глубоких нейронных сетей]]. В отличие от классического [[Автокодировщик|автокодировщика]], который отображает каждый входной образец в одну точку [[Скрытое пространство|скрытого пространства]], VAE моделирует скрытое представление как вероятностное распределение, что позволяет не только сжимать данные, но и генерировать новые образцы.
-Вариационные автокодировщики являются одной из фундаментальных архитектур в области обучения без учителя и широко применяются для генерации изображений, текстов, а также в задачах представления данных. Благодаря своей строгой вероятностной основе и относительно стабильному обучению VAE остаются востребованным инструментом в исследовательской и инженерной практике.
+Вариационные автокодировщики являются одной из фундаментальных архитектур в области [[Обучение без учителя|обучения без учителя]] и широко применяются для [[Генерация изображений|генерации изображений]], текстов, а также в задачах представления данных. Благодаря своей строгой вероятностной основе и относительно стабильному обучению VAE остаются востребованным инструментом в исследовательской и инженерной практике.
 __TOC__
@@ Строка 13: / Строка 13: @@
 == Определение и ключевые понятия ==
-Пусть задан набор наблюдений <tex>\{x_i\}_{i=1}^N</tex>, порождённых неизвестным распределением <tex>P_{\text{data}}(x)</tex>. Предполагается, что данные порождаются некоторым скрытым (латентным) процессом: сначала из априорного распределения <tex>P(z)</tex> порождается скрытая переменная <tex>z</tex>, затем из условного распределения <tex>P(x|z)</tex> — наблюдение <tex>x</tex>. Задача обучения состоит в том, чтобы, имея только наблюдения <tex>x</tex>, восстановить параметры модели <tex>P_\theta(x|z)</tex> и <tex>P(z)</tex>, максимизируя логарифм правдоподобия:
+Пусть задан набор наблюдений <tex>\{x_i\}_{i=1}^N</tex>, порождённых неизвестным распределением <tex>P_{\text{data}}(x)</tex>. Предполагается, что данные порождаются некоторым скрытым (латентным) процессом: сначала из [[Априорное распределение|априорного распределения]] <tex>P(z)</tex> порождается [[Скрытая переменная|скрытая переменная]] <tex>z</tex>, затем из условного распределения <tex>P(x|z)</tex> — наблюдение <tex>x</tex>. Задача обучения состоит в том, чтобы, имея только наблюдения <tex>x</tex>, восстановить параметры модели <tex>P_\theta(x|z)</tex> и <tex>P(z)</tex>, максимизируя логарифм правдоподобия:
 <tex>\log P_\theta(x) = \log \int P_\theta(x|z) P(z) \, dz</tex>
-Прямое вычисление этого интеграла, однако, практически всегда является вычислительно неразрешимым. Кроме того, апостериорное распределение <tex>P(z|x)</tex>, необходимое для обучения, также оказывается недоступным в аналитическом виде.
+Прямое вычисление этого интеграла, однако, практически всегда является вычислительно неразрешимым. Кроме того, [[Апостериорное распределение|апостериорное распределение]] <tex>P(z|x)</tex>, необходимое для обучения, также оказывается недоступным в аналитическом виде.
-Вариационный автокодировщик предлагает обходной путь: вместо точного вычисления апостериорного распределения вводится его параметрическая аппроксимация <tex>q_\phi(z|x)</tex> (также называемая распознающей моделью, recognition model), и задача обучения формулируется как совместная оптимизация параметров <tex>\theta</tex> (генеративная модель, декодер) и <tex>\phi</tex> (вариационная аппроксимация, энкодер).
+Вариационный автокодировщик предлагает обходной путь: вместо точного вычисления апостериорного распределения вводится его [[Параметрическая модель|параметрическая аппроксимация]] <tex>q_\phi(z|x)</tex> (также называемая распознающей моделью, recognition model), и задача обучения формулируется как совместная оптимизация параметров <tex>\theta</tex> (генеративная модель, [[Декодер|декодер]]) и <tex>\phi</tex> (вариационная аппроксимация, [[Энкодер|энкодер]]).
 В отличие от детерминированного автокодировщика, в VAE энкодер выдаёт не точку в скрытом пространстве, а параметры распределения (обычно математическое ожидание и дисперсию), из которого затем семплируется скрытый вектор <tex>z</tex>. Это вероятностное представление скрытого пространства позволяет генерировать новые данные, семплируя <tex>z</tex> из априорного распределения и пропуская его через декодер.
@@ Строка 27: / Строка 27: @@
 Развитие вариационных автокодировщиков органично вписывается в эволюцию методов снижения размерности и генеративного моделирования:
-* '''1933 год''' — '''Метод главных компонент (PCA)''': Хотеллинг предлагает линейный метод снижения размерности, находящий проекции данных на направления максимальной дисперсии. PCA остаётся стандартным инструментом, однако его линейность ограничивает применимость для сложных данных.
+* '''1933 год''' — '''[[Метод главных компонент]] (PCA)''': Хотеллинг предлагает линейный метод снижения размерности, находящий проекции данных на направления максимальной дисперсии. PCA остаётся стандартным инструментом, однако его линейность ограничивает применимость для сложных данных.
-* '''1980–1990-е годы''' — '''Автокодировщики (Autoencoders)''': С появлением обратного распространения ошибки становятся возможными нелинейные обобщения PCA — автокодировщики, использующие нейронные сети для кодирования и декодирования данных. Однако они не имеют вероятностной интерпретации и не могут служить генеративными моделями.
+* '''1980–1990-е годы''' — '''[[Автокодировщик]]и (Autoencoders)''': С появлением [[Обратное распространение ошибки|обратного распространения ошибки]] становятся возможными нелинейные обобщения PCA — автокодировщики, использующие нейронные сети для кодирования и декодирования данных. Однако они не имеют вероятностной интерпретации и не могут служить генеративными моделями.
-* '''2013 год''' — '''Появление VAE''': Д. П. Кингма и М. Веллинг в работе «Auto-Encoding Variational Bayes» формализуют подход, сочетающий вариационный вывод с обучением глубоких генеративных моделей. Ключевая инновация — '''приём репараметризации''' (reparameterization trick), позволяющий вычислять градиенты по параметрам вариационного распределения с помощью стандартных методов стохастического градиентного спуска.
+* '''2013 год''' — '''Появление VAE''': Д. П. Кингма и М. Веллинг в работе «Auto-Encoding Variational Bayes» формализуют подход, сочетающий вариационный вывод с обучением глубоких генеративных моделей. Ключевая инновация — '''[[Приём репараметризации]]''' (reparameterization trick), позволяющий вычислять градиенты по параметрам вариационного распределения с помощью стандартных методов [[Стохастический градиентный спуск|стохастического градиентного спуска]].
 * '''2014 год''' — '''Публикация на ICLR''': Работа Кингмы и Веллинга получает широкое признание и становится основой для сотен последующих исследований. В том же году появляются [[Генеративно-состязательная сеть|генеративно-состязательные сети (GAN)]], предлагающие альтернативный подход к генеративному моделированию.
-* '''2015–2020 годы''' — '''Расширения и модификации''': Предложены многочисленные варианты VAE — Conditional VAE (условная генерация), VAE с иерархическими скрытыми переменными, динамические VAE для временных рядов, а также гибридные архитектуры, сочетающие VAE с GAN.
+* '''2015–2020 годы''' — '''Расширения и модификации''': Предложены многочисленные варианты VAE — Conditional VAE ([[Условная генерация|условная генерация]]), VAE с иерархическими скрытыми переменными, [[Динамический VAE|динамические VAE]] для временных рядов, а также гибридные архитектуры, сочетающие VAE с GAN.
-* '''2020-е годы''' — '''Зрелость технологии''': VAE становятся стандартным инструментом в медицинской визуализации, генерации молекулярных структур и других областях. Активно ведутся исследования по преодолению фундаментальных ограничений VAE, таких как коллапс апостериорного распределения.
+* '''2020-е годы''' — '''Зрелость технологии''': VAE становятся стандартным инструментом в [[Медицинская визуализация|медицинской визуализации]], генерации молекулярных структур и других областях. Активно ведутся исследования по преодолению фундаментальных ограничений VAE, таких как [[Коллапс апостериорного распределения|коллапс апостериорного распределения]].
 == Математическая основа ==
@@ Строка 55: / Строка 55: @@
 <tex>\log P_\theta(x) \ge \mathbb{E}_{q_\phi(z|x)}[\log P_\theta(x|z)] - D_{KL}(q_\phi(z|x) \| P(z))</tex>
-Правая часть этого неравенства называется '''нижней границей свидетельства''' (Evidence Lower Bound, ELBO). Она состоит из двух слагаемых:
+Правая часть этого неравенства называется '''[[Нижняя граница свидетельства|нижней границей свидетельства]]''' (Evidence Lower Bound, ELBO). Она состоит из двух слагаемых:
-* '''Ошибка реконструкции''' (reconstruction loss): <tex>\mathbb{E}_{q_\phi(z|x)}[\log P_\theta(x|z)]</tex> — насколько хорошо декодер восстанавливает исходный образец из скрытого представления.
+* '''[[Ошибка реконструкции|Ошибка реконструкции]]''' (reconstruction loss): <tex>\mathbb{E}_{q_\phi(z|x)}[\log P_\theta(x|z)]</tex> — насколько хорошо декодер восстанавливает исходный образец из скрытого представления.
-* '''Регуляризационный член''' (KL-дивергенция): <tex>D_{KL}(q_\phi(z|x) \| P(z))</tex> — мера расхождения между апостериорным распределением <tex>q_\phi(z|x)</tex> и априорным распределением <tex>P(z)</tex> (обычно стандартным нормальным). Этот член обеспечивает гладкость скрытого пространства и предотвращает переобучение.
+* '''Регуляризационный член''' ([[Расхождение Кульбака — Лейблера|KL-дивергенция]]): <tex>D_{KL}(q_\phi(z|x) \| P(z))</tex> — мера расхождения между апостериорным распределением <tex>q_\phi(z|x)</tex> и априорным распределением <tex>P(z)</tex> (обычно стандартным нормальным). Этот член обеспечивает гладкость скрытого пространства и предотвращает [[Переобучение|переобучение]].
 Оптимизация ELBO по параметрам <tex>\theta</tex> и <tex>\phi</tex> является корректной задачей, поскольку максимизация нижней границы приводит к увеличению самого правдоподобия.
@@ Строка 64: / Строка 64: @@
 === Приём репараметризации ===
-Основная техническая трудность при оптимизации ELBO заключается в том, что операция семплирования <tex>z \sim q_\phi(z|x)</tex> недифференцируема по параметрам <tex>\phi</tex>. Приём репараметризации обходит эту проблему: вместо прямой генерации <tex>z</tex> из распределения <tex>q_\phi(z|x)</tex> вводится вспомогательная случайная переменная <tex>\varepsilon \sim \mathcal{N}(0, I)</tex>, и <tex>z</tex> выражается как детерминированная функция от <tex>\varepsilon</tex> и параметров <tex>\phi</tex>.
+Основная техническая трудность при оптимизации ELBO заключается в том, что операция семплирования <tex>z \sim q_\phi(z|x)</tex> недифференцируема по параметрам <tex>\phi</tex>. [[Приём репараметризации]] обходит эту проблему: вместо прямой генерации <tex>z</tex> из распределения <tex>q_\phi(z|x)</tex> вводится вспомогательная случайная переменная <tex>\varepsilon \sim \mathcal{N}(0, I)</tex>, и <tex>z</tex> выражается как детерминированная функция от <tex>\varepsilon</tex> и параметров <tex>\phi</tex>.
 В случае гауссовского апостериорного распределения <tex>q_\phi(z|x) = \mathcal{N}(z; \mu_\phi(x), \sigma_\phi^2(x) I)</tex> приём репараметризации записывается как:
@@ Строка 76: / Строка 76: @@
 Вариационный автокодировщик состоит из двух основных компонентов:
-* '''Энкодер (кодировщик, распознающая модель)''' <tex>q_\phi(z|x)</tex> — нейронная сеть, которая принимает на вход образец <tex>x</tex> и выдаёт параметры распределения в скрытом пространстве: математическое ожидание <tex>\mu_\phi(x)</tex> и логарифм дисперсии <tex>\log \sigma_\phi^2(x)</tex>. Выходом энкодера является не сам скрытый вектор, а распределение, из которого он будет семплирован.
+* '''[[Энкодер]] (кодировщик, распознающая модель)''' <tex>q_\phi(z|x)</tex> — нейронная сеть, которая принимает на вход образец <tex>x</tex> и выдаёт параметры распределения в скрытом пространстве: математическое ожидание <tex>\mu_\phi(x)</tex> и логарифм дисперсии <tex>\log \sigma_\phi^2(x)</tex>. Выходом энкодера является не сам скрытый вектор, а распределение, из которого он будет семплирован.
-* '''Декодер (раскодировщик, генеративная модель)''' <tex>P_\theta(x|z)</tex> — нейронная сеть, которая принимает на вход скрытый вектор <tex>z</tex> и восстанавливает исходный образец <tex>x</tex> (или параметры распределения, из которого он мог бы быть сгенерирован).
+* '''[[Декодер]] (раскодировщик, генеративная модель)''' <tex>P_\theta(x|z)</tex> — нейронная сеть, которая принимает на вход скрытый вектор <tex>z</tex> и восстанавливает исходный образец <tex>x</tex> (или параметры распределения, из которого он мог бы быть сгенерирован).
 Процесс работы VAE включает следующие этапы:
@@ Строка 85: / Строка 85: @@
 # С помощью приёма репараметризации из этого распределения семплируется скрытый вектор <tex>z</tex>.
 # Скрытый вектор <tex>z</tex> подаётся на декодер, который восстанавливает образец <tex>\hat{x}</tex> (или вычисляет параметры распределения <tex>P_\theta(x|z)</tex>).
-# Вычисляется функция потерь — отрицательный ELBO, состоящий из ошибки реконструкции и KL-дивергенции.
+# Вычисляется [[Функция потерь|функция потерь]] — отрицательный ELBO, состоящий из ошибки реконструкции и KL-дивергенции.
-# Градиенты функции потерь распространяются обратно через всю сеть, обновляя параметры как энкодера, так и декодера.
+# [[Градиент|Градиенты]] функции потерь распространяются обратно через всю сеть ([[Обратное распространение ошибки|обратное распространение ошибки]]), обновляя параметры как энкодера, так и декодера.
 == Обучение ==
-Обучение VAE — это задача максимизации ELBO с использованием стохастического градиентного спуска. Функция потерь для одного образца имеет вид:
+Обучение VAE — это задача максимизации ELBO с использованием [[Стохастический градиентный спуск|стохастического градиентного спуска]]. Функция потерь для одного образца имеет вид:
 <tex>\mathcal{L}(\theta, \phi; x) = - \mathbb{E}_{q_\phi(z|x)}[\log P_\theta(x|z)] + D_{KL}(q_\phi(z|x) \| P(z))</tex>
-Первый член (отрицательная ошибка реконструкции) штрафует модель за неточное восстановление входных данных. Для изображений в качестве <tex>\log P_\theta(x|z)</tex> обычно используется бинарная или гауссовская кросс-энтропия.
+Первый член (отрицательная ошибка реконструкции) штрафует модель за неточное восстановление входных данных. Для изображений в качестве <tex>\log P_\theta(x|z)</tex> обычно используется бинарная или гауссовская [[Кросс-энтропия|кросс-энтропия]].
-Второй член (KL-дивергенция) действует как регуляризатор, «притягивая» апостериорное распределение <tex>q_\phi(z|x)</tex> к априорному <tex>P(z) = \mathcal{N}(0, I)</tex>. В случае гауссовских распределений KL-дивергенция вычисляется аналитически:
+Второй член (KL-дивергенция) действует как [[Регуляризация (машинное обучение)|регуляризатор]], «притягивая» апостериорное распределение <tex>q_\phi(z|x)</tex> к априорному <tex>P(z) = \mathcal{N}(0, I)</tex>. В случае гауссовских распределений KL-дивергенция вычисляется аналитически:
 <tex>D_{KL}(\mathcal{N}(\mu, \sigma^2) \| \mathcal{N}(0, 1)) = -\frac{1}{2} \sum_{j=1}^d \left(1 + \log \sigma_j^2 - \mu_j^2 - \sigma_j^2\right)</tex>
@@ Строка 102: / Строка 102: @@
 Эта регуляризация обеспечивает два важных свойства:
-* **Непрерывность скрытого пространства**: близкие точки в скрытом пространстве соответствуют семантически близким образцам.
+* '''Непрерывность скрытого пространства''': близкие точки в скрытом пространстве соответствуют семантически близким образцам.
-* **Полнота скрытого пространства**: любая точка из априорного распределения <tex>\mathcal{N}(0, I)</tex> при пропуске через декодер даёт осмысленный образец.
+* '''Полнота скрытого пространства''': любая точка из априорного распределения <tex>\mathcal{N}(0, I)</tex> при пропуске через декодер даёт осмысленный образец.
 == Применения ==
@@ Строка 109: / Строка 109: @@
 Вариационные автокодировщики находят применение в широком спектре областей:
-* '''Генерация изображений''': создание новых реалистичных изображений, интерполяция между образцами, редактирование изображений через манипуляции в скрытом пространстве.
+* '''[[Генерация изображений]]''': создание новых реалистичных изображений, интерполяция между образцами, редактирование изображений через манипуляции в скрытом пространстве.
-* '''Медицинская визуализация''': генерация синтетических медицинских изображений для аугментации данных, сегментация анатомических структур, обнаружение аномалий.
+* '''[[Медицинская визуализация]]''': генерация синтетических медицинских изображений для [[Аугментация данных|аугментации данных]], [[Сегментация изображений|сегментация]] анатомических структур, [[Обнаружение аномалий|обнаружение аномалий]].
-* '''Обработка естественного языка''': генерация текста, моделирование диалогов, представление слов и предложений в непрерывном пространстве.
+* '''[[Обработка естественного языка]]''': генерация текста, моделирование диалогов, представление слов и предложений в непрерывном пространстве.
-* '''Биоинформатика и открытие лекарств''': генерация молекулярных структур с заданными свойствами.
+* '''[[Биоинформатика]] и [[Открытие лекарств]]''': генерация молекулярных структур с заданными свойствами.
 * '''Представление данных''': обучение сжатых, интерпретируемых представлений для последующих задач классификации и кластеризации.
@@ Строка 121: / Строка 121: @@
 * '''Обнаружение аномалий''': выявление выбросов на основе ошибки реконструкции — образцы, которые плохо восстанавливаются декодером, считаются аномальными.
-* '''Видео и временные ряды''': динамические VAE для моделирования последовательных данных, прогнозирования и генерации видео.
+* '''Видео и временные ряды''': [[Динамический VAE|динамические VAE]] для моделирования последовательных данных, прогнозирования и генерации видео.
 == Современные вызовы и ограничения ==
@@ Строка 127: / Строка 127: @@
 Несмотря на успехи, VAE сталкиваются с рядом фундаментальных проблем:
-* '''Размытость генерируемых образцов''' (blurry samples): VAE часто дают менее чёткие изображения по сравнению с GAN или диффузионными моделями. Это связано с тем, что оптимизация ELBO поощряет модель восстанавливать усреднённое по всем возможным <tex>z</tex> значение, что приводит к сглаживанию.
+* '''Размытость генерируемых образцов''' (blurry samples): VAE часто дают менее чёткие изображения по сравнению с [[Генеративно-состязательная сеть|GAN]] или [[Диффузионная модель|диффузионными моделями]]. Это связано с тем, что оптимизация ELBO поощряет модель восстанавливать усреднённое по всем возможным <tex>z</tex> значение, что приводит к сглаживанию.
-* '''Коллапс апостериорного распределения''' (posterior collapse): в некоторых случаях вариационное распределение <tex>q_\phi(z|x)</tex> перестаёт зависеть от входных данных <tex>x</tex> и сходится к априорному распределению <tex>P(z)</tex>. В результате скрытые переменные становятся неинформативными, и модель фактически перестаёт использовать скрытое пространство. Проблема особенно остра для моделей с мощными авторегрессионными декодерами.
+* '''[[Коллапс апостериорного распределения]]''' (posterior collapse): в некоторых случаях вариационное распределение <tex>q_\phi(z|x)</tex> перестаёт зависеть от входных данных <tex>x</tex> и сходится к априорному распределению <tex>P(z)</tex>. В результате скрытые переменные становятся неинформативными, и модель фактически перестаёт использовать скрытое пространство. Проблема особенно остра для моделей с мощными авторегрессионными декодерами.
 * '''Вычислительная сложность''': обучение VAE на больших наборах данных требует значительных вычислительных ресурсов, что влечёт как финансовые, так и экологические издержки.