Variational Autoencoder（变分自编码器）

变分自编码器（VAE）由Kingma和Welling于2013年提出，是一种基于变分推断的生成模型。它由编码器和解码器组成，编码器将输入映射到潜在空间的正态分布，解码器从潜在变量重建数据。VAE通过最大化证据下界（ELBO）进行训练，能够生成新样本并学习有意义的潜在表示。VAE广泛应用于图像生成、表示学习、异常检测等领域，是深度生成模型的重要基石。