Autoencoder dinamici variazionali: Una rassegna completa

Titolo originale:

Dynamical Variational Autoencoders: A Comprehensive Review

Contenuto del libro:

Gli autoencoder variazionali (VAE) sono potenti modelli generativi profondi ampiamente utilizzati per rappresentare dati complessi ad alta densità attraverso uno spazio latente a bassa densità appreso in modo non supervisionato. In questa monografia gli autori introducono e discutono una classe generale di modelli, chiamati dynamical variational autoencoders (DVAEs), che estendono i VAEs per modellare sequenze vettoriali temporali. In questo modo gli autori forniscono:

- una definizione formale della classe generale dei DVAE.

- una descrizione tecnica dettagliata e completa di sette modelli di DVAE.

- una rapida panoramica di altri modelli di DVAE presentati nella letteratura recente.

- una discussione dei recenti sviluppi delle DVAE in relazione alla storia e al background tecnico dei modelli classici su cui si basano le DVAE.

- un benchmark quantitativo dei modelli DVAE selezionati.

- una discussione per mettere in prospettiva la classe dei modelli DVAE.

Questa monografia è una rassegna completa dell'attuale stato dell'arte delle DVAE. Fornisce al lettore una sintesi accessibile degli aspetti tecnici dei diversi modelli DVAE, delle loro connessioni con i modelli classici.

I modelli DVAE, le loro connessioni incrociate e la loro unificazione nella classe DVAE in un libro conciso e di facile lettura.

Gli autori si sono impegnati a fondo per unificare la terminologia e la notazione utilizzata per i vari modelli: tutti gli studenti, i ricercatori e i professionisti che lavorano nel campo dell'apprendimento automatico troveranno una risorsa preziosa.