自编码器第11页

VAE生成模型（附VAE实现mnist代码）

本文是在基于此博客上的转载，如有讲述不清楚的地方，推荐原博客【学习笔记】生成模型——变分自编码器自编码器AE自编码器是一类在半监督学习和非监督学习中使用的人工神经网络，其功能是通过将输入信息作为学习目标

其实也很简单·2022-11-24 20:49

【LDA】基础知识笔记——主要是AE、VAE

冰淇淋和慕斯蛋糕·2022-11-24 20:49

【论文阅读-3】生成模型——变分自编码器(Variational Auto-Encoder，VAE)

【论文阅读】生成模型——变分自编码器1.VAE设计思路：从PCA到VAE1.1PCA1.2自编码器(Auto-Encoder,AE)1.3从AE到VAE2.VAE模型框架2.1问题描述2.2变分下限2.3SGVB

Paul-Huang·2022-11-24 20:45

深入浅出图神经网络学习笔记（4）表示学习

表示学习一、离散表示与分布表示二、端到端学习三、基于重构损失的方法——自编码器四、基于基于对比损失的方法—Word2vec自动地从数据中去学习“有用”的特征，并可以直接用于后续的具体任务———称为表示学习一

小杜今天学AI了吗·2022-11-24 18:36

《深入浅出图神经网络》读书笔记（4.表示学习）

4.表示学习文章目录4.表示学习4.1表示学习4.1.1表示学习的意义4.1.2离散表示与分布式表示4.1.3端到端学习4.2基于重构损失的方法——自编码器4.2.1自编码器4.2.2正则自编码器4.2.3

ppgodcsy·2022-11-24 18:31

VAE详解（附pytorch）

VAE:变分自编码器，遵循encoder-decoder结构，但是encoder的结果是正态分布的均值和方差（其实也是一般的参数，只是我们赋予了它们均值和方差的意义）编码是从不同的事物中提取不同的特征，

A G I·2022-11-24 13:39

校内实训项目经验

实时识别并调用语音包功能《AI图⽚篡改检测》（基于faster-rcnn模型）1.重构voc2007、voc2012数据集2.更换网络，服务器运行3.flask框架了解4.语义分割深度学习--Pytorch构建栈式自编码器实现以图搜图任务

_苏沐·2022-11-24 12:50

MAE 论文《Masked Autoencoders Are Scalable Vision Learners》

《MaskedAutoencodersAreScalableVisionLearners》带掩码的自编码器是一个可拓展的视觉学习器，听名字就明白一二，应该是在编码器部分加上了mask的一些操作。

CV小Rookie·2022-11-24 10:34

深度学习--Pytorch构建栈式自编码器实现以图搜图任务（以cifar10数据集为例）

Pytorch构建栈式自编码器实现以图搜图任务搞清楚pytorch与tensorflow区别pytorchtensorflow搞清楚栈式自编码器的内部原理效果图代码及效果图欠完备编码器卷积栈式编码器栈式编码器本文旨在使用

_苏沐·2022-11-24 09:30

【自监督算法】自编码器（autoencoder, AE）

十分建议先读keras文档看完之后感觉好像普通的自编码器好像没啥用啊？

褚骏逸·2022-11-24 09:47

【深度学习】生成模型：VAE(自编码器)模型解析

目录1前言2VAE模型2.1VAE模型推导2.2重参化技巧3QA3.1生成体现在什么地方3.2AE和VAE的区别4另一种角度理解VAE5总结不足6参考文献1前言本文为自己自学内容的记录，其中多有借鉴别人博客的地方，一并在参考文献中给出链接，其中大部分截图来自李宏毅深度学习PPT课件。其中内容有理解不到位的地方，各位大佬在评论区给出修改意见，感恩。本文前置知识高斯混合模型和EM算法，如果不了

一穷二白到年薪百万·2022-11-24 07:23

机器学习-变分自编码器VAE实战（三）

本篇主要内容是变分自编码器VAE的实战，希望大家可以对比机器学习-自编码器AE实战（二）进行对照学习，尤其是在自定义VAE类，以及网络训练部分，会有较大的不同。

weixin_46737548·2022-11-24 07:50

深度学习的学习与实践（1）：从AE，VAE，到AAE

前置知识：自编码器入门前段时间在改论文的过程中，审稿人给出了关于使用对抗自编码器算法的建议——2020.2以上算是序自编码器（autoencoder）是一种无监督学习神经网络基本定义本质上来说，自编码器是一种所谓

container_body·2022-11-24 07:49

变分自编码器VAE学习笔记

完整版文章请看知乎原文，link直接点击标题，本文章只记录个人的学习笔记变分自编码器VAE：原来是这么一回事|附开源代码作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP，神经网络个人主页丨kexue.fmVAE

ahigan·2022-11-24 07:14

(深度学习社区发现综述)A Comprehensive Survey on Community Detection with Deep Learning

译文深度学习分类框架，包括基于深度神经网络、深度非负矩阵分解和深度稀疏滤波的深度学习模型，并进一步将深度神经网络模型细分为卷积网络，图注意网络，生成对抗网络和自编码器。

东方小虾米·2022-11-23 23:38

深度学习-模型预测（论文笔记）

堆叠自编码器模型采用贪婪分层的方式，学习产生的交通流量特点。实验证明本文提出的方法在交通流量预测方面有很高的性能。-1.介绍：交通流量预测主要依赖于历史数据和来自各种传感器的实时

白日梦想家_胖七七·2022-11-23 08:04

自编码器和GAN的后门攻击——BAAAN: Backdoor Attacks Against Autoencoder and GAN-Based Machine Learning Models

BAAAN:BackdoorAttacksAgainstAutoencoderandGAN-BasedMachineLearningModels论文链接这是一篇arxiv上的论文。之所以看这篇论文，是因为对GAN和AutoEncoder的后门攻击产生兴趣。论文动机后门攻击往往应用于传统的图像分类任务上。在GAN，autoencoder这类生成任务上面临的则往往是成员推理攻击，也就是从模型中获取训练

Jhouery·2022-11-22 21:52

Variational Auto-Encoder 变分自编码器详解

在我最近研读各种文献的过程中，变分自编码器(VAE)经常出现在各种方法中，往往紧接着VAE之后，就是一串我看不懂的公式。

彩虹糖梦·2022-11-22 19:19

华为河伯

的仓库，里面包括几部分：贝叶斯研究（1）HEBO：异方差进化贝叶斯优化HEBO:HeteroscedasticEvolutionaryBayesianOptimisation（2）T-LBO：基于变分自编码器和深度度量学习的高维贝叶斯优化

臻甄·2022-11-22 18:21

AE和VAE

AE（AutoEncoder）：自编码器原理：自编码器是一种无监督的特征学习方式，其目的是利用无标签数据找到一个有效的低维特征提取器，即重构损失来训练低维的特征表示。

机器学习我来学·2022-11-22 13:09

UNet++ (Nested U-Net) 阅读笔记：A Nested U-Net Architecture for Medical Image Segmentation

arxiv.org/abs/1807.10165v1代码：https://github.com/MrGiovanni/UNetPlusPlus引言原始的UNet直接将来自解码器子网络具有语义的粗粒度的特征图与来自编码器子网络具有低级别的细粒度的特征图

Fan72·2022-11-22 07:29

交通数据综述

基于图卷积网络的交通预测综述-中国知网对基于GCN的交通流预测模型进行归纳总结，从图卷积的基本定义出发，以频域图卷积和空域图卷积为主，介绍GCN的基本原理．随后，通过对图时空网络、图自编码器以及图注意力网络的介绍

Savannah913·2022-11-22 07:54

加密流量分类-论文2：Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning

DeepPacket:ANovelApproachForEncryptedTrafficClassificationUsingDeepLearning0、摘要1、介绍2、相关工作3、深度学习背景3.1自编码器

烟玉蓝田·2022-11-21 09:02

加密流量分类-论文1：Deep Learning for Encrypted Traffic Classification: An Overview

、摘要1、介绍2、网络流量分类流程框架2.1问题定义2.2数据收集2.3数据集预处理2.4流量特征3深度学习技术3.1多层感知机（MLP）3.2卷积神经网络（CNN）3.3循环神经网络（RNN）3.4自编码器

烟玉蓝田·2022-11-21 09:32

图神经网络

在本文中，我们将图神经网络划分为五大类别，分别是：图卷积网络（GraphConvolutionNetworks，GCN）、图注意力网络（GraphAttentionNetworks）、图自编码器（GraphAutoencoders

凌凌漆1997·2022-11-21 02:48

【浙江大学机器学习胡浩基】05 深度学习

目录第一节历史发展多层神经网络的劣势大事件第二节自编码器自动编码机(Auto-encoder)的结构第三节卷积神经网络LeNetLeNet结构降采样层MNIST数据集第四节卷积神经网ALEXNETALEXNET

南鸢北折·2022-11-20 15:03

#深度解析# GAN（生成对抗神经网络）

生成对抗神经网络借鉴了零和博弈的思想，主要用于样本的生成，属于非监督学习简单总结一下GAN的基本思想（参考下图）：GAN由两部分网络组成，一个是生成网络，一个是判别网络生成网络类似于（变分自编码器）网络的

energy_百分百·2022-11-20 14:49

机器学习笔记-Week01

基础机器学习的模型分类监督学习无监督学习半监督学习强化学习参数模型非参数模型生成模型判别模型神经网络基础单层感知器万有逼近定理神经网络每一层的作用神经网络的参数学习:误差反向传播深层神经网络的问题:梯度消失逐层预训练受限玻尔兹曼机和自编码器解决梯度消失利用人工神经网络解决监督学习分类问题构建螺旋分类模型构建线性模型分类加入激活函数构建两层

爱吃章鱼的怪兽·2022-11-20 03:01

Paper1-scGAC 图注意力机制

Paper1:scGAC图注意力机制构建细胞图，NE去噪声图注意力自编码器学习聚类Embedding自由化的方式成簇Introductionp1（大背景单细胞测序技术飞速发展，无监督聚类有效迫切需要p2

学徒达宇·2022-11-19 19:32

李沐论文精读系列五：DALL·E2（生成模型串讲，从GANs、VE/VAE/VQ-VAE/DALL·E到扩散模型DDPM/ADM）

文章目录一、前言1.1DALL·E简介1.2DALL·E2简介1.3文生图模型进展二、引言2.1摘要2.2引言&模型结构三、算法铺垫3.1GANs3.2AE3.3DAE/MAE3.4变分自编码器VAE3.5VQ-VAE

神洛华·2022-11-19 18:50

U2-Net 使用嵌套 U 结构进行更深入的显着目标检测

多年来，我们已经看到自编码器到疯狂的深度学习模型（如Deeplab）被用于语义分割。在所有模型的深海中，仍然有一个名字排在最前面，它就是U-Net。

知识大胖·2022-11-19 10:19

解决Could not install packages due to an OSError: [WinError 5] 拒绝访问。问题

问题描述今天在练习栈式自编码器时出现Nomodulenamed'visualdl’问题，在pip时遇到了本地拒绝访问问题。

普通网友·2022-11-19 03:49

机器学习专业名词中英文对照

xingfei_work/article/details/80039527otheractivation激活值activationfunction激活函数additivenoise加性噪声autoencoder自编码器

without_fetter·2022-11-17 11:28

【PyTorch学习笔记】7.自编码器

文章目录47.Auto-Encoder介绍48.Auto-Encoder变种49.VariationalAuto-Encoder引入50.变分自编码器VAE51.实战51.1AE51.2VAE根据龙良曲

贪钱算法还我头发·2022-11-15 11:17

无监督学习——自编码神经网络原理及其实现

一、自编码神经网络概述1、信息处理问题信息瓶颈稠密信息转稀疏信息稀疏信息转稠密信息稠密信息转稠密信息自编码神经网络介绍自编码器是深度学习中的一种非常重要的无监督学习方法,能够从大量无标签的数据中自动学习

gwprock·2022-11-15 11:16

Pytorch学习笔记9——AutoEncoder

Pytorch学习笔记9——AutoEncoder非监督学习的作用：1.降维2.预处理3.可视化4.利用无监督标签5.压缩，超分辨率，降噪对抗自编码器：中间变量变成一个分布：KLdivergence:直观理解

深度学不学习·2022-11-15 11:13

VAE(Variational Autoencoder)的原理

实习生讲解变分自编码机以上两篇文章翻译自KevinFrans的英文博客.英文原文：VariationalAutoencodersExplained论文链接：Auto-encodingvariationalbayes论文的理论推导：变分自编码器

时光杂货店·2022-11-14 09:40

自编码器(AutoEncoder)和变分自编码器(VAE)--（1）

在这些深度生成模型中，有两个类别脱颖而出，值得特别关注：生成对抗网络(GAN)和变分自编码器(VAE)。当然这两类网络也不仅用于生成任务，还能用于约束隐空间变量等等。相比于GAN，个人感觉

Irving_HE·2022-11-14 09:10

Variational AutoEncoder（VAE）变分自编码器

【本文转载自博客】：解析VariationalAutoEncoder（VAE）:https://www.jianshu.com/p/ffd493e10751文章目录1.模型总览1.1AutoEncoder1.2VariationalAutoEncoder2.变分自编码2.1变分推断2.2变分推导过程3.如何计算极值3.1编码部分3.2解码部分4.重参数技巧1.模型总览1.1AutoEncoder在

酒酿小圆子～·2022-11-14 09:08

AutoEncoder和VAE

文章目录一、AutoEncoder（自编码器）二、De-noisingAutoEncoder三、AE的其他应用四、VAE一、AutoEncoder（自编码器）AE是一种左右几乎对称的网络模型（之所以说几乎是因为也可以不需要完全对称

圆月弯刀鞘·2022-11-14 09:01

BERT是图像预训练未来？字节跳动iBOT刷新十几项SOTA，部分指标超MAE

这篇论文仅用简单的idea（即掩蔽自编码器，MAE）就达到了非常理想的性能，让人们看到了Transformer扩展到CV大模型的光明前景，给该领域的研究者带来了很大的鼓舞（参见《大道至简，何恺明新论文火了

视学算法·2022-11-12 09:03

部分指标超越MAE！字节提出iBOT：新的视觉预训练工作！刷新多项SOTA

这篇论文仅用简单的idea（即掩蔽自编码器，MAE）就达到了非常理想的性能，让人们看到了Transformer扩展到CV大模型的光明前景，给该领域的研究者带来了很大的鼓舞（参见《

Amusi（CVer）·2022-11-12 08:45

【超分辨率】何凯明新作:Masked Autoencoders Are Scalable Vision Learners

0.前言本文提出了一种新的自编码器：MAE。即可以说本文提出了一种新的自编码器，也可以说本文在计算机视觉领域提出了一个新的任务，即通过掩盖图像的一部分来利用没有掩盖的部分对图像进行重建。

几维wk·2022-11-02 16:24

自编码器AutoEncoder解决异常检测问题

自编码器AutoEncoder解决异常检测问题一、自编码器（Auto-Encoder）介绍1.AE算法的原理2.AE算法的作用3.AE算法的优缺点二、自编码器AutoEncoder解决异常检测问题（手把手写代码

码猿小菜鸡·2022-10-30 02:10

【推荐系统】从协同过滤到深度学习

目录1.CF——*只利用交互信息*2.LR——*多特征融合*3.MF——*引入用户、物品隐变量*4.AutoRec——*结合自编码器*5.NeuralCF——*结合深度学习*6.POLY2——*增加二阶特征

落叶阳光·2022-10-28 10:57

AI 作画《NBA球星动漫头像》| 用stable diffusion生成

模型可以通过训练去噪自编码器来实现（T=1…T），它们被训练来预测其输入的去噪变体，而是输入的噪声版本，其训练函数：扩散模型原理方面，包括：前向的加噪和逆向的去噪；前向的加噪：给定初始数据（比如图像），

机器学习与AI生成创作·2022-10-27 18:30

深度学习 - 国科大2020年试题

1名词解释深度学习：将训练数据（低层特征）输入人工构造的神经网络（其模仿大脑神经元之间的传递），通过神经网络的多层运算自动提取更高层次的数据分布式特征表示；稀疏自编码器：当隐藏节点较多时，自编码器会学习到很多冗余信息

无脑敲代码，bug漫天飞·2022-10-27 17:51

深度学习抠图——手写文本提取

全卷积自编码器来提取退化图像的字符文本（前景），并用高斯混合模型进行背景重建，最后，将字符文本和背景进行融合生成重建图像。c.进一步对该方法进行了改

浮生若梦，为欢几何耶·2022-10-27 07:57

时间序列-异常检测（Anomaly Detection）（四）：深度学习方法

一、概述基于深度学习的时间序列异常检测算法，主要可以分为以下这么几种：针对正常数据进行训练建模，然后通过高重构误差来识别异常点，即生成式（Generative）的算法，往往是无监督的，如自编码器（AutoEncoder

u013250861·2022-10-24 20:05

第1周学习：深度学习和pytorch基础

无参数模型判别vs生成模型二、深度学习概述三、浅层神经网络1.M-P神经元2.激活函数3.单层感知器4.多层感知器5.万有逼近定理6.神经网络每一层的作用7.误差反向传播8.梯度四、神经网络基础1.逐层预训练2.自编码器

weixin_43982194·2022-10-17 12:32

推荐频道

自编码器