机器学习---自编码器

自编码器过程

机器学习---自编码器_第1张图片

输入一个图片,经过encoder变成一个向量,再通过decoder将这个向量反向生成输入的图片。

这里我们希望输入和输出越接近越好。这个过程我们称为重建。

特点:不需要任何的标注资料。

在2006年这个思想就被提出来了:

 常见变形:试图还原加入噪声之前的图片---消除噪声的功能

机器学习---自编码器_第2张图片

 机器学习---自编码器_第3张图片

自编码器不仅用在图像上,也可以用在音频、文本中。

FD技术希望可以在压缩完的数据中分析出对应的信息类型。

机器学习---自编码器_第4张图片

 应用场景

机器学习---自编码器_第5张图片

不可能在实现每一句话都找两个人同时发音记录,我们期望两个人记录一些对话之后就可以训练一个模型,任何语音都可以实现转化。

 机器学习---自编码器_第6张图片

 技术实现:

可以实现将声音和内容进行互换:

应用:Discrete Representation

 

  应用:text as representation

机器学习---自编码器_第7张图片

 可以实现摘要总结,但是这个摘要属于EN和DN之间的暗号,我们直接查看是看不懂的,所以我们应该怎么做呢?

应用:压缩技术

机器学习---自编码器_第8张图片

应用:异常检测

机器学习---自编码器_第9张图片

机器学习---自编码器_第10张图片

你可能感兴趣的:(机器学习,人工智能)