學習數據的隱含表示、編碼和解碼過程、優化目標、無監督學習。1、學習數據的隱含表示：VAE假設存在一個可以生成觀察到數據的隱含變量，并通過學習這個隱含變量的分布來生成新的數據。2、編碼和解碼過程：編碼器部分的作用是學習輸入數據到隱含空間的映射，即將輸入數據壓縮為一個潛在空間中的點，這個點的坐標由潛在向量表示。解碼器部分的作用是學習從隱含空間到輸入數據的反向映射，即從編碼器產生的潛在向量中采樣，然后試圖將這個采樣點恢復為原始的輸入數據。3、優化目標：VAE的優化目標包括兩部分：重構損失，即解碼的數據與原始輸入數據的差異；KL散度損失，即編碼器得到的潛在變量分布與事先假設的分布（比如標準正態分布）的差異。4、無監督學習：VAE屬于自監督學習，它可以從無標注數據中學習到數據的分布，這對于獲取數據對應的標簽信息比較困難的情況尤為重要。通過以上步驟，VAE能夠對數據進行概率建模，生成與訓練數據類似的新數據，并在訓練過程中不斷優化模型參數，以達到更好的性能。