自编码器神经网络(AE)，变分自编码器（VAE），生成式对抗网络（GAN）

自编码器（Auto Encoder）

构建自编码器主要是两部分：编码器（Encoder）和解码器（Decoder）。编码器将输入压缩成潜在空间特征‘解码器将潜在空间特征重构输出。
自编码器的核心价值是提取潜在高阶空间特征信息。
主要应用是：数据去噪 可视化降维

变分自编码器(Variational AutoEncoder, VAE)

变分自编码器(Variational AutoEncoder, VAE)是常见的生成模型的一种，特别适合利用概念向量进行图像生成和编辑的任务。
经典的自编码器由于本身是一种有损的数据压缩算法，在进行图像重构的时候不会得到效果特别好的结果。
而VAE则不是将输入图像压缩成潜在表征，而是将输入图像数据转换为最常见的两个统计分布参数∶均值μ和标准差，然后解码器使用这两个参数从分布中进行随机采样得到隐变量，对隐变量进行解码重构就可以得到输出值。