[G1-Sync] Manual knowledge update

10_Wiki/Topics/Variational-Autoencoders-VAE.md

@@ -2,7 +2,7 @@
 id: VAE-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, deep-learning, generative-model, vae, latent-space]
+tags: [ai, [[Deep-Learning]], generative-model, vae, latent-space]
 last_reinforced: 2026-04-26
 ---
 
@@ -15,7 +15,7 @@ last_reinforced: 2026-04-26
 - **추출된 패턴:** 원시 데이터를 의미 있는 저차원 확률 분포로 요약(Encoder)하고, 이 분포로부터 샘플링된 값을 다시 원시 데이터 형태로 복원(Decoder)하는 생성적 추론 패턴.
 - **세부 내용:**
     - **Latent Space:** 데이터의 핵심 특징들이 압축된 다차원 공간. VAE는 이 공간이 정규 분포를 따르도록 강제함.
-    - **Reparameterization Trick:** 샘플링 과정에서 미분 가능성을 유지하여 역전파(Backpropagation)가 가능하게 하는 핵심 수학적 기법.
+    - **Re[[Parameter]]ization Trick:** 샘플링 과정에서 미분 가능성을 유지하여 역전파([[Backpropagation]])가 가능하게 하는 핵심 수학적 기법.
     - **Kullback-Leibler (KL) Divergence:** 학습된 잠재 분포가 표준 정규 분포와 너무 멀어지지 않도록 규제하는 손실 함수 항.
     - **Applications:** 이미지 생성, 데이터 압축, 이상치 탐지(Anomaly Detection) 등.
 
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 문서의 의미적 유사성 분석 및 문서 간 '누락된 연결 고리'를 생성적 추론으로 찾기 위해 VAE 기반의 잠재 공간 분석 기법을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- Autoencoder, Generative-Adversarial-Networks-GAN, [[Representation-Learning]], [[Uncertainty-Quantification]]
+- Autoencoder, [[Generative-Adversarial-Networks]]-GAN, [[Representation-Learning]], [[Uncertainty-Quantification]]
 - **Raw Source:** 10_Wiki/Topics/AI/Variational-Autoencoders-VAE.md