在对变分自编码器（VAE）的核心原理、高级架构和精密推理 (inference)方法有所了解后，本章将视野拓宽，以考查其拓展应用以及与其他机器学习 (machine learning)方法的结合。

您将掌握以下技能：

• 在半监督学习 (supervised learning) (semi-supervised learning)场景中应用VAE。
• 运用VAE进行异常检测和分布外数据识别。
• 认识VAE与生成对抗网络（GAN）的比较优势与不足。
• 构建并剖析VAE-GAN和对抗性自编码器（AAE）等混合模型。
• 明确VAE在基于模型的强化学习 (reinforcement learning)中的作用。
• 学习去噪VAE等方法，以使模型不易受输入扰动影响，并提升特征学习能力。
• 审视专门用于VAE训练的高级优化策略。

本章还包含关于实现混合VAE-GAN模型的实践练习，让您能够应用这些拓展知识点。