المكوّنات الأساسية لـ VAE (Variational Autoencoder) هي ثلاث وحدات رئيسية تعمل معًا: المُشفِّر (Encoder) الذي يأخذ البيانات الأصلية ويحوّلها إلى تمثيل كامن (Latent Representation) من خلال إنتاج توزيعين احتماليين(عادةً متوسط μ وانحراف معياري σ) يصفان الفضاء الكامن، وطبقة إعادة التمثيل (Reparameterization Trick) التي تُستخدم لأخذ عينة من التوزيع الكامن بطريقة قابلة للتفاضل بحيث يمكن تدريب النموذج باستخدام الانتشار الخلفي، ثم المُولِّد أو المفكِّك (Decoder/Generator) الذي يأخذ العينات من الفضاء الكامن ويعيد بناء البيانات الأصلية أو ينتج بيانات جديدة مشابهة، بالإضافة إلى دالة الخسارة (Loss Function) التي تجمع بين خطأ إعادة الإعمار (Reconstruction Loss) وفرق التوزيع الاحتمالي (KL Divergence) لضمان أن الفضاء الكامن مُنظَّم ويمكن التوليد منه بشكل فعال.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق