Генеративные модели, такие как VAE, широко используются для создания новых данных, но зачастую страдают от неустойчивого обучения, низкого качества генерации и игнорирования сложной структуры исходных данных. Классические методы редко учитывают, что данные могут иметь скрытые топологические особенности, например, кластеры и разрывы. В работе предложен подход, интегрирующий методы топологического анализа данных (TDA) в VAE для сохранения исходной топологии данных при обучении. Это улучшает стабильность, качество генерации и интерпретируемость моделей. Учет топологии расширяет применение VAE в синтезе изображений и анализе сложных данных, объединяя глубокое обучение с математической строгостью TDA.

Иванов М.С. (науч. рук. Кугаевских А.В.) Исследование применения топологического анализа данных в вариационных автоэнкодерах // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/15206