自编码器

自编码器（AutoEncoder）

自编码器本身其实就是在做降维这件事，我们通过降维来获取对信息的偏好。自编码器的理解本身算比较简单，以图像处理为例。
AlphaU·2022-11-30 06:56

自编码器微调_自编码(AutoEncoder)模型及几种扩展之三——SDAE

5、SDAE模型SDAE（stackeddenoisedautoencoder，堆栈去噪自编码器）是vincent大神提出的无监督的神经网络模型，论文：StackedDenoisingAutoencoders
weixin_39790738·2022-11-30 06:55

自编码器keras实现数值输入_变分自编码器+要点综述+代码实现+生成图片

1.VAE的结构变分自编码器（VariationalAutoencoders）是由DiederikKingma和MaxWelling在2014年提出来的。
weixin_39648469·2022-11-30 06:25

【无监督】自编码器（Autoencoder）

引言    当你在看论文的时候，经常会遇到编码器、解码器、自编码器（Autoencoder）这些字眼，它们到底是干什么的呢？其主要作用又是什么呢？
商在兴·2022-11-30 06:24

MATLAB实现自编码器（二）——（稀疏）自编码器的实现

TrainSparseAutoencoder训练稀疏自编码器利用8个特征4177个样本的数据进行稀疏自编码器的训练，训练设置为系统默认。
佟湘玉滴玉·2022-11-30 06:22

深度学习--自编码器（AutoEncoder）

自编码器：自编码器是用于无监督学习，高效编码的神经网络，自动编码器的目的就在于，学习一组数据的编码，通常用于数据的降维，自编码是一种无监督的算法，网络分为：输入层，隐藏层（编码层），解码层，该网络的目的在于重构输入
AI-孟菜菜·2022-11-30 06:16

四种类型自编码器AutoEncoder理解及代码实现

自编码器（AE）自编码器的结构和思想结构自编码器是一种无监督的数据压缩和数据特征表达方法。自编码器是神经网络的一种，经过训练后的能尝试将输入复制到输出。自编码器由编码器和解码器组成。
big_matster·2022-11-30 06:14

ConvMAE：当掩码卷积遇见掩码自编码器

原文：GaoP,MaT,LiH,etal.ConvMAE:MaskedConvolutionMeetsMaskedAutoencoders[J].arXivpreprintarXiv:2205.03892,2022.源码：https://github.com/Alpha-VL/ConvMAEVisionTransformer(ViT)已成为各种视觉任务广泛采用的架构。用于特征预训练的掩码自编码方法
Civisky·2022-11-30 05:23

基于信息融合的风电机组关键部件状态识别

摘要:针对风电机组关键部件的运行状态识别问题，本文提出一种引入时间维度信息的降噪自编码器融合多个传感器信号进行关键部件运行状态识别的方法.首先通过训练学习SCADA（supervisorycontrolanddataacquisition
罗伯特之技术屋·2022-11-30 01:34

理解对比学习(contrasive learning)

对比学习，顾名思义就是在训练中和某些东西进行对比从而学习，在自编码器中，输出与自己进行对比，从而得到一个中间量latentcode，我认为这也是一种对比学习。
JackChrist·2022-11-29 15:34

VAE：变分自编码器的理解与实现

VAE理解与实现文章目录VAE理解与实现1.理解VAE2.模型实现3.代码4.总结1.理解VAEVAE是一类生成模型，其假设在低维空间(维度k,k
我是大黄同学呀·2022-11-29 14:20

可泛化的表征学习

目录生成模型变分自编码器条
tzc_fly·2022-11-29 11:32

自编码器AutoEncoder之MNIST数据降维

importtensorflow.compat.v1astfimporttensorflowastf2tf.disable_v2_behavior()importnumpyasnpimportmatplotlib.pyplotaspltfromtensorflow.keras.datasetsimportmnistfrommpl_toolkits.mplot3dimportAxes3Dfromma
安達と島村·2022-11-29 09:39

使用KNN根据深度自编码器降维特征识别MNIST数据集手写体数字(pytorch+scikit learn)

目标：实现无监督的数据降维，并根据降维信息实现KNN分类内容：1.自编码器降维自编码器是为使神经网络学习数据原始特征，将高维数据特征用低维数据特征表示，是一种无监督的表征学习方法。
上进的小菜鸟·2022-11-29 09:36

【Keras入门】1.4用于降维的自编码器Autoencoder与PCA

0.1用于降维的主成分分析法（PCA）0.2用于降维的自编码器（Autoencoder）1.加载数据，并将28×28的图片Reshape成784维的向量fromkeras.datasetsimportmnist
废物药浪学代码·2022-11-29 09:03

autoencoder自编码器原理以及在mnist数据集上的实现

Autoencoder是常见的一种非监督学习的神经网络。它实际由一组相对应的神经网络组成（可以是普通的全连接层，或者是卷积层，亦或者是LSTMRNN等等，取决于项目目的），其目的是将输入数据降维成一个低维度的潜在编码，再通过解码器将数据还原出来。因此autoencoder总是包含了两个部分，编码部分以及解码部分。编码部分负责将输入降维编码，解码部分负责让输出层通过潜在编码还原出输入层。我们的训练目
Cy_coding·2022-11-29 09:31

自编码器（AutoEncoder） 对数据的降维和去噪 及与PCA之间的联系

PCA（主成分分析）原理简介PCA将复杂事情简单化，通过降维映射和线性变换来寻找一个“方差最大”、“误差最小”变量来表征数据特征。PCA利用降维的思想，把多指标转化为少数几个综合指标。PCA是一种简化数据集的技术，它是一个线性变换，这个变换把数据变换到一个新的坐标系统中。主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征，往往能够保留住数据的最重要方面的特征。但是如果数据是非
来包番茄沙司·2022-11-29 09:00

【论文粗读】变分自编码器以及应用在域自适应

AProbabilisticU-NetforSegmentationofAmbiguousImagesUncertainty-awaredomainalignmentforanatomicalstructuresegmentation一、模糊图像的概率unet分割Unet和变分自编码器
LANG_C_·2022-11-28 21:48

机器学习-自编码器，变分自编码器及其变种的基本原理（一）

本篇从自编码器（Auto-Encoder）入手，进行扩展，论述了监督学习和无监督学习的相关知识。
weixin_46737548·2022-11-28 13:28

（脑肿瘤分割笔记：四&七）--自编码器和变分自编码介绍&&具有变分自编码器正则化的U型分割结构

目录相关概念自编码器（AE）自编码器存在的问题变分自编码器（VAE）关于正则化的直观解释论文一：3DMRIbraintumorsegmentationusingautoencoderregularizationIntroduction
不想敲代码的小杨·2022-11-28 13:57

变分自编码器（Variational Auto-Encoder，VAE）

最近看论文看到变分自编码器，发现它也可以用于数据增强，就仔细了解了一下，把比较好的讲解资料和自己的想法整理一下，以备用。
bobobe·2022-11-28 13:56

变分自编码器VAE实现MNIST数据集生成by Pytorch

最近想学习下GAN，于是先学习下VAE。代码实现一部分出自这本书，因为这本书会给出pytorch的代码实现，所以我觉得还不错。但是缺点也很明显：理论讲解不够，代码还有错误或者不全：代码实现：importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionfromtorchvisionimporttransforms
王大队长·2022-11-28 13:25

通俗易懂——VAE变分自编码器原理

变分自编码器（VariationalAutoEncoder,VAE）李宏毅机器学习笔记。转载请注明出处。
BarbaraChow·2022-11-28 13:22

VAE变分自编码器

我在学习VAE的时候遇到了很多问题，很多博客写的不太好理解，因此将很多内容重新进行了整合。我自己的学习路线是先学EM算法再看的变分推断，最后学VAE，自我感觉这个线路比较好理解。一.首先我们来宏观了解一下VAE的作用：数据压缩和数据生成。1.1数据压缩：数据压缩也可以成为数据降维，一般情况下数据的维度都是高维的，比如手写数字（28*28=784维），如果数据维度的输入，机器的处理量将会很大，而数据
THE#ONE·2022-11-28 13:49

再谈变分自编码器（VAE）：估计样本概率密度

©PaperWeekly原创·作者|苏剑林单位|追一科技研究方向|NLP、神经网络在本系列的前面几篇文章中，我们已经从多个角度来理解了VAE，一般来说，用VAE是为了得到一个生成模型，或者是做更好的编码模型，这都是VAE的常规用途。但除了这些常规应用外，还有一些“小众需求”，比如用来估计的概率密度，这在做压缩的时候通常会用到。本文就从估计概率密度的角度来了解和推导一下VAE模型。两个问题所谓估计概
PaperWeekly·2022-11-28 13:48

VAE 变分自编码器

收集了几篇文章，介绍VAE变分自编码器，如下：1.
琥珀彩·2022-11-28 13:47

讲解变分自编码器-VAE（附代码）

2.2.2变分推断2.2.3推导过程2.2.4推导结果3.代码实现3.1.1VAE.py3.1.2main.py4.参考资料1.从AE谈起说到编码器这块，不可避免地要讲起AE（AutoEncoder）自编码器
m0_58547949·2022-11-28 13:14

推荐系统（6）——推荐算法3（深度学习时代来临：AutoRec,Deep Crossing,NeuralCF,PNN,Wide&Deep,FNN,DeepFM,NFM）

文章目录1AutoRec——神经网络推荐算法的开端1.1自编码器1.2AutoRec模型结构1.3AutoRec的推荐过程1.4模型的特点和局限2DeepCrossing——深度学习推荐算法的完整应用2.1DeepCrossing
Weiyaner·2022-11-28 13:11

Diffusion Autoencoders: Toward a Meaningful and Decodable Representation

DiffusionAutoencoders:TowardaMeaningfulandDecodableRepresentation扩散自编码器:面向有意义和可解码的表示code：https://github.com
马鹏森·2022-11-28 02:40

短距光通信系统中关于深度学习在DSP算法中的实验研究

Auto-encodersareespeciallysuitableforcommunicationoverchannelswheretheoptimumtransceiverisunknownoritsimplementationiscomputationallyprohibitive.自编码器能够避免传统的系统里复杂的模块设计的问
不发SCI不改名-wwk·2022-11-27 19:53

AutoEncoder是什么？

AutoEncoder(AE)自编码器1概述AE是一种无监督学习模型，不需要带标签的数据AE包含两部分，Encoder编码器和Decoder解码器；模型架构如下图所示：如上图所示：输入X经过编码器，生成潜在向量
没有安全感的鸵鸟·2022-11-27 15:54

变分自编码器（VAES)

Dimensionalityreduction,PCAandautoencodersDimensionalityreduction我们清楚，数据降维其实都是减少数据的特征数量，如果把encoderencoderencoder看作是由高维原有特征生成低维新特征的过程。把decoderdecoderdecoder看作是将低维特征还原为高维特征的过程。那么数据降维就可以被看作是一个数据压缩过程。其中en
big_matster·2022-11-27 07:47

USAD-UnSupervised Anomaly Detection on Multivariate Time Series一种基于自编码器的多元时间序列无监督异常检测

文章目录引言训练+检测架构1.输入2.两阶段的训练过程3.推理获得异常分数4.实验KDD2020年的paper，被引141次论文：UnSupervisedAnomalyDetectiononMultivariateTimeSeries代码：https://github.com/manigalati/usad引言为了解决Orange公司的IT系统自动监测异常行为所需传感器过多导致的基于专家的监督方法
wfl6666·2022-11-26 22:21

Deep Spatio-Temporal Representation for Detection of Road Accidents Using Stacked Autoencoder

文章目录基于栈式自编码器的道路交通事故深度时空表征-一种时空无监督的事故检测方法1论文方法概述2STVVs和SDAE2.1STVVs（Spatio-TemporalVideoVolumn:时空视频体）2.2SDAE
wfl6666·2022-11-26 22:50

On Space-Time Interest Points --时空关键点

IJCV上的一篇论文，被引4727次：OnSpace-TimeInterestPoints代码：code这篇论文在视频分类和行为识别方面应用很广，由于在（我们上周提到的一种时空无监督的事故检测方法，使用堆叠自编码器
wfl6666·2022-11-26 22:50

自编码器网络

目录1、自编码器的概述2、自编码器的原理3、自编码器的拓展网络3.1稀疏自编码3.2栈式自编码3.3降噪自编码1、自编码器的概述1986年Rumelhart提出自动编码器的概念，顾名思义，即可以使用自身的高阶特征编码自己
猪猪的菜牙·2022-11-26 14:55

综述 | 近年来深度学习的重要研究成果（附PDF）

文章目录摘要引言相关研究最新进展深度架构的演变深度学习方法深度监督学习深度无监督学习深度强化学习深度神经网络深度自编码器深度卷积神经网络网络中的网络基于区域的卷积神经网络深度残差网
lingpy·2022-11-26 13:35

生成扩散模型漫谈

转载自微信公众号PaperWeekly系列文章作者苏剑林生成扩散模型漫谈：DDPM=拆楼+建楼生成扩散模型漫谈：DDPM=自回归式VAE生成扩散模型漫谈：最优扩散方差估计（上）再谈变分自编码器（VAE）
一穷二白到年薪百万·2022-11-26 12:12

生成扩散模型漫谈：DDPM = 贝叶斯 + 去噪

追一科技研究方向|NLP、神经网络到目前为止，笔者给出了生成扩散模型DDPM的两种推导，分别是《生成扩散模型漫谈：DDPM=拆楼+建楼》中的通俗类比方案和《生成扩散模型漫谈：DDPM=自回归式VAE》中的变分自编码器方案
PaperWeekly·2022-11-26 12:29

论文阅读：Natural Language Processing Advancements By Deep Learning: A Survey

文章目录一、介绍二、背景1.人工智能和深度学习（1）多层感知机（2）卷积神经网络（3）循环神经网络（4）自编码器（5）生成对抗网络2.NLP中深度学习的动机三、NLP领域的核心概念1.特征表示（1）one-hot
李明朔·2022-11-26 09:15

【深度学习】基于STL10数据集构建 图像去噪自编码网络 的实验

文章目录前言一、STL10数据集观察二、噪声数据添加（噪声数据集生成）1.自定义噪声生成函数2.噪声图像展示三、数据切分，转换，加载四、自编码器网络搭建五、训练六、预测七、小重点：如果要调用GPU，必须在哪些位置加
今天一定要洛必达·2022-11-26 01:47

李宏毅机器学习课程自测练习题

暂停更新LastModified2022.1.7Fri22:27目录(计划包含以下内容)：简介线性分类与感知机数学基础卷积神经网络循环神经网络自注意力机制Transformer自监督学习自编码器对抗生成网络可解释
xiongxyowo·2022-11-25 22:52

图像融合总结

AFusionApproachtoInfraredandVisibleImageshttps://blog.csdn.net/qq_36514344/article/details/106481622先用数据集训练一个自编码器结构
qq_1233212234567·2022-11-25 15:10

文献17.DL、PHY、自编码器、RTN、CNN调制分类

文献原文：https://arxiv.org/pdf/1702.00832.pdf文献详解参考，请看这位大神的：【文献笔记】【精读】AnIntroductiontoDeepLearningforthePhysicalLayer_ndwuhuangwei的博客-CSDN博客目录AnIntroductiontoDeepLearningforthePhysicalLayer一、读文献1.INTRODUC
Luna露子·2022-11-25 15:38

常用的机器学习与深度学习算法简介

常用的机器学习与深度学习算法简介1、机器学习1.1决策树与随机森林1.2支持向量机(SVM)1.3k-最近邻算法1.4朴素贝叶斯分类器2、深度学习2.1人工神经网络2.2深度神经网络2.3卷积神经网络2.4循环神经网络2.5自编码器
Ethan Hunt丶·2022-11-25 09:36

VAE中重参数化技巧

谈起重参数化技巧，不得不提变分自编码器(VAE)；在VAE中，我们知道需要对编码器的输出、进行采样，从而可以将采样输入到编码器网络，能够得到输入样本的重构，以这种方式对模型进行训练。
我会像蜗牛一样努力·2022-11-25 07:58

MATLAB实现自编码器（六）——变分自编码器（VAE）官网代码的改进

VariationalAutoEncoder)条件付きVAE是对官方网页TrainVariationalAutoencoder(VAE)toGenerateImages的改进，该网页的翻译可见MATLAB实现自编码器
佟湘玉滴玉·2022-11-25 07:19

keras实战-入门之RNN(GRU)自编码器

@TOCRNN(GRU)自编码器用GRU做自编码器，复原语音。就是将语音信号输入到RNN里，进行编码，然后再解码。
王伟王胖胖·2022-11-25 02:40

Memorizing Normality to Detect Anomaly: Memory-augmented Deep Autoencoder for Unsupervised Anomaly D

通过对正常数据的训练，期望自编码器对异常输入产生比正常输入更高的重构误差，以此作为识别异常的判据。然而，这一假设在实践中并不总是成立。
Wanderer001·2022-11-24 22:14

第二章 自编码器生成模型入门

自编码器与GAN的一个关键区分点：自编码器网络只用一个损失函数进行端到端训练，而GAN的生成器和鉴别器分别具有一个损失函数。
CV小Rookie·2022-11-24 21:53
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他