本論文では、「敵対的オートエンコーダ」（Adversarial Autoencoder: AAE）を提案します。これは、最近提唱された生成敵対ネットワーク（Generative Adversarial Networks: GAN）を使用して、オートエンコーダの隠れコードベクトルの集約事後分布を任意の事前分布と一致させる変分推論を行う確率的なオートエンコーダです。集約事後分布を事前分布と一致させることで、事前空間の任意の部分から生成しても意味のあるサンプルが得られます。その結果、敵対的オートエンコーダのデコーダは、課された事前分布をデータ分布にマッピングする深層生成モデルを学習します。私たちは、敵対的オートエンコーダが半教師付き分類、画像のスタイルとコンテンツの分解、無教師クラスタリング、次元削減およびデータ可視化などの応用においてどのように使用できるかを示します。MNIST、Street View House Numbers、Toronto Face データセットでの実験を行い、敵対的オートエンコーダが生成モデリングおよび半教師付き分類タスクにおいて競争力のある結果を得ていることを確認しました。