哈囉大家，昨天有聊到醫療影像分析中的應用，其中裡面談到了VAE，今天的內容就是要來跟大家一起聊VAE啦～

首先我們要先知道VAE的中文是什麼，以及功能和優缺點、應用。

一、VAE是什麼？
Variational Autoencoder變分自編碼器。

二、前言：VAE主要是由Autoencoder（AE）變形而來。

三、Autoencoders介紹
AE是一種非監督式的多層深度神經網絡演算法，主要的目的是會對輸入的資料進行表徵學習（representation learning）[註一]，並且讓output跟input具有相同的意義。
註一：表徵學習：自動從數據中學習特徵或表示的方法，無需手動設計特徵。用於分類、生成、預測等各種任務。

四、VAE介紹
一種生成模型，結合了機率圖模型和深度學習中的自編碼器（Autoencoder）架構，用於學習數據的概率分佈並生成新數據。VAE目標是透過輸入數據映射到一個連續的隱變數（latent variable）空間中，然後再從該空間重建輸入數據，從而學會這些數據的潛在結構。

五、優點
1.學習一個連續可操作的潛在空間，便於在隱變數空間中進行插值（interpolation）和取樣生成新數據。
2.生成新樣本的能力： 透過取樣隱變數可以生成具有相似分佈的新樣本。

六、缺點
1.對比GAN，VAE生成的數據細節上不夠精確。

七、應用
圖像生成：手寫數字生成、臉部生成
數據去噪：可以用於將帶噪的數據轉換為乾淨數據，提升數據質量。
異常檢測：通過學習數據分佈，能辨認分佈偏差較大的異常數據。

八、參考：https://zh.wikipedia.org/zh-tw/变分自编码器
https://medium.com/data-science-navigator/variational-autoencoder-6ec2342e7ad