20.500.12556/RUL-187744 Variacijski samokodirniki in njihova uporaba Variational autoencoders and their applications Modeliranje porazdelitve podatkov oziroma ocenjevanje gostote verjetnosti je pomemben problem statističnega sklepanja. V tem delu predstavimo variacijske samokodirnike, eno izmed sodobnih metod globokega strojnega učenja za reševanje tega izziva. Obravnavamo njihovo matematično ozadje, pojasnimo postopek učenja modela porazdelitve ter pokažemo, kako lahko naučeni model uporabimo za generiranje novih podatkov. Predstavimo tudi dve sodobni nadgradnji variacijskih samokodirnikov, ki omogočata učenje razpletenih latentnih reprezentacij in modeliranje rekurzivnih podatkovnih tipov ter predstavimo rezultate preizkusa modela na izbranih podatkovnih množicah. Data distribution modelling or probability density estimation is an important problem of statistical inference. This work presents variational autoencoders, one of the modern deep machine learning methods for solving this challenge. It addresses their mathematical background, explains the training process of the distribution model, and demonstrates how the learned model can be used to generate new data. It also presents two modern extensions of variational autoencoders that enable learning disentangled latent representations and modelling recursive data types, and the results of testing the model on selected datasets. variacijski samokodirniki globoko učenje generativni modeli variational autoencoders deep learning generative models true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-09-13 08:15:24 2026-09-13 08:15:25 2026-09-14 04:29:00 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 163710 24525.pdf 24525.pdf 1 483C7AEBAA8F0173A777FB172B309D98 a7a83b8721066628ef8361a7d06b9b046a4c57d09ae416b66418b17976304f9e 7ad23e20-af3a-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=247486 Fakulteta za matematiko in fiziko 0 0 0