.png){kind=icon}
返回
Distributed Variational Autoencoder Using Actor-Based Architecture
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-03711-4_15.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于演员的分布式架构的新型变分自编码器（VAE）实现，并内置了容错机制。其关键创新在于通过实现一个专门的学习瓶颈演员，将传统自编码器转变为变分自编码器，该演员学习偏离正态分布的偏差。所开发的系统利用分布式演员模型，其中每个组件（编码器、解码器和变分瓶颈）均作为独立演员运行，从而实现稳健的并行处理和故障恢复。该实现采用了TensorFlow的分布式策略以利用GPU，并包含一个全面的容错系统，能够处理失败率为0.5%的演员故障。结果表明，在所使用的数据集上成功训练后，经过50个epoch，重建损失为0.089，Kullback-Leibler（KL）散度损失为0.076。在训练期间，系统保持了99.5%的正常运行时间，能够自动从模拟的演员故障中恢复，且性能无明显下降。
Keyword:
Variational Autoencoder
Actor Model
Distributed Systems
Fault Tolerance
期刊
A
IF:
0
论文数:
27
被引数:
0
机构
引用论文
ResNet Autoencoders for Unsupervised Feature Learning From High-Dimensional Data: Deep Models Resistant to Performance DegradationResNet自动编码器，用于从高维数据进行无监督特征学习: 抗性能下降的深度模型.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Self-Supervised Remote Sensing Feature Learning: Learning Paradigms, Challenges, and Future Works自监督遥感特征学习: 学习范式、挑战与未来工作OAAI
OAAI分享收藏
查看更多内容