待验证50% 置信事实精确时间
VAE在隐空间中学习概率分布，使模型能够对不确定性建模
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
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76% 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73% 相似已验证SURE不确定性建模让模型能表达置信度并在证据不足时选择弃权，区分认知不确定性与随机不确定性68% 相似待验证机器学习问题在概率视角下能够得到最好的分析，概率方法是在不确定性下进行决策的最优途径64% 相似待验证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62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/976219API
curl https://kongchang.com/api/v1/knowledge/claims/976219MCP
get_claim(id=976219)