変分オートエンコーダ（VAE）
解説：データを「確率の雲」に変える
変分オートエンコーダ（VAE: Variational Autoencoder）は、通常のオートエンコーダに「確率統計」の考え方を組み込んだ、データを生成できるモデル（生成モデル）です。
普通のオートエンコーダは、入力画像を「ある決まった数値のセット（点）」に圧縮します。これだと、その点を復元することしかできず、新しい画像は作れません。
一方、VAEは画像を「平均と分散を持った確率分布（雲のような範囲）」に変換します。
🎲 VAEの仕組み：サイコロを振って絵を描く
- エンコーダ：
画像の特徴を一点に決めるのではなく、「だいたいこの辺りで、広がりはこのくらい（平均 ）」という確率分布を出力します。 - サンプリング：
その分布（範囲）の中から、ランダムに値を一つ選び出します（サンプリング）。
※ここが「生成」の種になります。 - デコーダ：
選ばれた値を元に、画像を復元します。
なぜ「新しい画像」が作れるのか？
学習が終わった後、エンコーダを使わずに、潜在空間（確率分布の集まり）から適当な数値をランダムに選んでデコーダに渡すと、訓練データには存在しなかった「架空の新しいデータ」が生成されます。
| 比較 | 通常のオートエンコーダ (AE) | 変分オートエンコーダ (VAE) |
|---|---|---|
| 潜在変数 | 固定された「値」 | 「確率分布」（平均と分散） |
| 主な用途 | 圧縮、ノイズ除去、異常検知 | データの生成、異常検知 |
G検定対策
出題ポイント
- エンコーダの出力：潜在変数の値を直接出すのではなく、正規分布のパラメータである「平均」と「分散」を出力する。
- 損失関数：「画像を元通りにする力（再構成誤差）」と「分布をきれいな正規分布に整える力（KLダイバージェンス / KL情報量）」の2つの和で計算される。
- Reparameterization Trick：確率的なサンプリングを行うと誤差逆伝播ができないため、計算を工夫して微分可能にするテクニックの名前。
ひっかけ対策
- × VAEはGAN（敵対的生成ネットワーク）の一種である
（解説）どちらも「生成モデル」ですが、仕組みは全く別物です。VAEは確率分布を使いますが、GANは騙し合い（競争）を使います。 - × エンコーダは潜在変数を直接出力する
（解説）直接出すのは普通のオートエンコーダです。VAEは「分布（平均・分散）」を出します。
