待验证50% 置信事实精确时间
VAE使用重参数化技巧，将从概率分布采样转化为z = μ + σ·ε，其中ε为标准正态噪声，使梯度可以正常反向传播
1
来源数
50%
置信度
长期有效
时效性
2026/9/25
首次发现
来源
涉及实体
相关事实
待验证重参数化技巧将采样表示为 z = μ + σ × ε（ε从标准正态分布采样），使随机性外置于ε，从而让μ和σ的梯度可正常反向传播实现端到端训练73% 相似待验证VAE的核心创新在于将输入编码为一个概率分布（通常为高斯分布，用均值μ和方差σ描述）而非确定的点，使潜在空间连续平滑可采样68% 相似待验证贝叶斯推断、最大似然估计、KL 散度等概率统计概念在现代生成模型（如 VAE、Diffusion Model）中广泛应用66% 相似待验证重参数化技巧由Kingma和Welling在2013年提出，通过将随机采样操作转化为确定性计算加噪声的形式，使梯度能够通过采样步骤反向传播66% 相似待验证扩散模型的反向过程通常使用U-Net或DiT（Diffusion Transformer）架构来预测每一步应去除的噪声量64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/948658API
curl https://kongchang.com/api/v1/knowledge/claims/948658MCP
get_claim(id=948658)