30秒でわかる要点
オートエンコーダの潜在変数を確率分布として学習する生成モデル。潜在空間からサンプリングすることで、学習データに似た新しいデータを生成できる。
「VAE（変分オートエンコーダ）」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1変分オートエンコーダ（Variational Autoencoder, VAE）がシンプルなオートエンコーダと異なる点は何か。
- 潜在空間を確率分布としてモデル化し、KL ダイバージェンス項を加えることで、より規則的で連続的な潜在空間を学習する
- VAE は画像のみに適用可能
- 確率モデルではない
- 生成ができない
答えと解説を見る
正解：A
VAE は潜在変数に事前分布（通常正規分布）設定。ELBO （変分下界）を最小化。生成モデル。
Q2変分オートエンコーダ（VAE）がオートエンコーダと異なる主な点は何か。
- 潜在変数を確率分布として扱い、潜在空間の連続性と規則性を学習できること
- 変分推論は複雑で、単純なオートエンコーダが優れている
- VAEは生成モデルではない
- 潜在表現は学習できない
答えと解説を見る
正解：A
VAEは潜在変数z ~ N(μ,σ²)を確率分布として扱う。変分下界（ELBO）を最大化し、潜在空間が連続的で滑らかな構造を形成。この空間から新規サンプル生成が可能。オートエンコーダの確率版。B、C、Dは誤り。
Q3変分オートエンコーダ（VAE）を系列に応用する場合の利点はどれか。
- 潜在空間での連続的な補間や、多様な系列の生成が可能
- 確定的な生成
- 潜在空間がないため制御不能
- 時系列処理不可
答えと解説を見る
正解：A
系列VAEは潜在変数が系列全体の本質的な特徴を捉え、多様な生成と補間が可能です。
深層学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
深層学習の練習問題を解く