自编码器第13页

借鉴 LeNet AlexNet Vgg16 GoggleNet ResNet

一般为期望值与实际值做差自编码器压缩和解压稀疏自编码器共享权值的概念。共享后需要训练的权值数减少，大大减小了计算GPU训练速度限制了网络的大小英伟达TESLA特斯拉GPU只能做科学计算

贾世林jiashilin·2022-06-23 07:35

深度学习在无线通信物理层中的应用研究

如果对你有帮助的话为博主点个赞吧点赞是对博主最大的鼓励爱心发射~目录概述相关工作一、基于深度学习的信道估计论文[^1]论文[^2]二、基于深度学习的编解码什么是自编码器？

-Blue.·2022-06-17 07:52

DNN、FCN、CNN、RNN、LSTM、BRNN、DRNN、GAN、自编码器、DBN、RBN、注意力网络、MCNN、Inception、dropout、残差网络

DNN、FCN、CNN、RNN、LSTM、BRNN、DRNN、GAN、DBN、RBN、自编码器、注意力网络、MCNN、Inception、dropout、残差网络文章目录DNN、FCN、CNN、RNN、

待何·2022-06-16 07:06

生成模型——PixelRNN、PixelCNN、变分自编码器VAE和生成式对抗网络GAN

生成模型——PixelRNN、PixelCNN、变分自编码器VAE和生成式对抗网络GAN之前我们已经讲了很多的监督学习的网络模型——有数据集x和标签集y，我们找到一个函数或一种关系，可以完成从x到y的映射

weixin_45268911·2022-06-15 07:54

机器学习专业名词中英文对照

机器学习专业名词中英文对照otheractivation激活值activationfunction激活函数additivenoise加性噪声autoencoder自编码器Autoencoders自编码算法

Coding Sir·2022-06-12 07:51

解读ICDE'22论文：基于鲁棒和可解释自编码器的无监督时间序列离群点检测算法

本文分享自华为云社区《解读ICDE'22论文：基于鲁棒和可解释自编码器的无监督时间序列离群点检测算法》，作者：云数据库创新Lab。导读本文（RobustandExplainableAutoencod

华为云开发者联盟·2022-05-31 10:00

深度学习

早期的深度学习模型：编码器、循环神经网络、深度置信网络、卷积神经网络衍生模型：堆叠降噪自编码器、稀疏自编码器、降噪自编码器深度学习的常用模型：卷积神经网络（CNN），深度信念网络（DBN），深度自动编码器

芒果很芒~·2022-05-25 02:53

深度学习 --- 优化入门六（正则化、参数范数惩罚L0、L1、L2、Dropout）

前面几节分别从不同的角度对梯度的优化进行梳理，本节将进行正则化的梳理，所谓正则化，简单来说就是惩罚函数，在机器学习中的SVM中引入拉格朗日乘子法即引入惩罚项解决了约束问题，在稀疏自编码器中我们引入了惩罚因子去自动调整隐层的神经元的个数

zsffuture·2022-05-19 07:54

图像检索基础

目录图像检索1相似图像检索2相似颜色检索2.1算法结构2.2自编码器2.3颜色特征提取2.4颜色特征相似度计算2.4.1颜色直方图距离2.4.2色差距离3相似纹理检索3.1纹理（texture）3.2纹理特征

鹿衔草啊·2022-05-17 16:31

自编码器(Auto-Encoder)

一、自编码器原理自编码器算法属于自监督学习范畴，如果算法把x作为监督信号来学习，这里算法称为自监督学习(Self-supervisedLearning)在监督学习中神经网络的功能:。

卷卷怪·2022-05-12 11:10

【深度学习理论】(5) 图卷积神经网络 GCN

在当前的图神经网络，主要分为以下几类，图卷积网络、图注意力网络、图自编码器、图生成网络。而其中图卷积神经网络是许多复杂图神

立Sir·2022-05-02 07:58

教你用TensorFlow和自编码器模型生成手写数字（附代码）

来源：机器之心本文长度为1876字，建议阅读4分钟本文介绍了如何使用TensorFlow实现变分自编码器（VAE）模型，并通过简单的手写数字生成案例一步步引导读者实现这一强大的生成模型。

数据派THU·2022-04-26 22:24

深度学习 autoencoder_【PyTorch】2阶张量数据的自编码器 (Autoencoder) 实现

前言自编码器常被应用于数据降维、降噪、异常值检测以及数据生成等领域。

weixin_39535752·2022-04-24 07:37

【学习笔记】李宏毅2021春机器学习课程第8.1节：自编码器（一）

文章目录1引言：自监督学习框架2什么是自编码器3自编码器到底好在哪里？

Harryline-lx·2022-04-08 08:49

《Graph neural networks A review of methods and applications》翻译

gnn分为四类:循环图神经网络、卷积图神经网络、图自编码器和时空图神经网络。论文讨论了异构图、动态图和组合优化的gnn论文的贡献是:提供了对现有图神经网络模型的详细回顾。提出了一个通用的设计管

爱玩电动的阿伟·2022-04-08 08:44

深度学习项目示例使用自编码器进行模糊图像修复

图像模糊是由相机或拍摄对象移动、对焦不准确或使用光圈配置不当导致的图像不清晰。为了获得更清晰的照片，我们可以使用相机镜头的首选焦点重新拍摄同一张照片，或者使用深度学习知识重现模糊的图像。由于我的专长不是摄影，只能选择使用深度学习技术对图像进行去模糊处理！在开始这个项目之前，本文假定读者应该了解深度学习的基本概念，例如神经网络、CNN。还要稍微熟悉一下Keras、Tensorflow和OpenCV。

·2022-04-01 10:41

大火的何铠明：MAE——用于计算机视觉的可扩展自监督学习神器

如今，何铠明又带来一种用于计算机视觉的可扩展自监督学习器,称之为”掩码自编码器(MAE)“，本文将对该视觉学习器原理及实现方法进行解读。MaskedA

奥比中光3D视觉开发者社区·2022-03-29 07:57

【2019/ICML】DAG-GNN: DAG Structure Learning with Graph Neural Networks

abs/1904.10098源码链接：https://github.com/fishmoon1234/DAG-GNNTL;DR论文中提出一种新的DAG编码架构DAG-GNN，其实模型的本质就是一个图变分自编码器

梦家·2022-03-28 07:23

GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结

自编码器（autoencoder）作为生成的图像的传统模型还没有过时并且还在发展，所以不要忘掉自编码器！GAN并不是您所需要的全部当谈到计算机视觉中的生成建模时，几乎都会

·2022-03-24 14:51

无监督学习（含自编码器在MNIST上的图片重建实战）

目录1.无监督特征学习1.1.PCA（主成分分析）1.2.稀疏编码1.3.自编码器2.自编码器在MNIST上的图片重建实战3.自编码器变种3.1稀疏自编码器3.2.堆叠自编码器3.3.降噪自编码器3.4

喜欢蓝喜欢白·2022-03-23 08:16

GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结

自编码器（autoencoder）作为生成的图像的传统模型还没有过时并且还在发展，所以不要忘掉自编码器！GAN并不是您所需要的全部当谈到计算机视觉中的生成建模时，几乎都会

·2022-03-16 11:45

浙江大学-机器学习-ppt截图

多层神经网络梯度下降后向传播一般的后向后向传播算法的应用和改进非线性改进阶跃函数在0处没有导数、目标函数第二个改进----输出不止一个原来的改进的原来的梯度下降缓慢的运行，而采用随机梯度人工神经网络的建议多层神经网络的劣势—进入低潮深度学习自编码器

魔芋小灰菜·2022-03-15 18:11

VAE变分自编码器

变分自编码器学习记录（VAE）文章目录变分自编码器学习记录（VAE）一、变分自编码器简述二、理论推导2.1VAE概述2.2理论推导三、代码实现四、后记参考链接理论讲解参考公式推导参考代码参考一、变分自编码器简述

帅，不止一面·2022-03-15 14:57

拓端tecdat|python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列

这种神经网络被命名为自编码器Autoencoder。自编码器是非线性降维技术用于特征的无监督学习，它们可以学习比主成分分析效果更好的低维代码，作为降低数据维数的工具。

拓端研究室·2022-03-12 13:29

第8章生成式深度学习

8.1用变分自编码器生成图像8.1.1自编码器自编码器是通过对输入X进行编码后得到一个低维的向量z，然后根据这个向量还原出输入X。通过对比

HHzdh·2022-03-08 07:11

GAN（对抗生成网络）原理及数学推导

参考课程：计算机视觉与深度学习北京邮电大学鲁鹏概述在所有生成模型中，GAN属于“密度函数未知，直接硬train”的那一类，和密度函数可定义的PixelRNN/CNN以及变分自编码器VAE有本质区别。

琦子k·2022-02-27 10:27

变分自编码器（VAE）直观理解and 数学推导

琦子k·2022-02-27 10:57

北大博士生提出CAE，下游任务泛化能力优于何恺明MAE

杨净发自凹非寺量子位|公众号QbitAI上回说道，何恺明时隔两年发一作论文，提出了一种视觉自监督学习新范式——用掩蔽自编码器MAE，为视觉大模型开路。

QbitAl·2022-02-25 07:07

北大博士生提出CAE，下游任务泛化能力优于何恺明MAE

何恺明时隔两年发一作论文，提出了一种视觉自监督学习新范式——用掩蔽自编码器MAE，为视觉大模型开路。这一次，北大博士生提出一个新方法CAE，在其下游任务中展现的泛化能力超过了MAE。

对白的算法屋·2022-02-23 21:00

论文回顾：U2-Net，由U-Net组成的U-Net

多年来，我们已经看到像Deeplab这样的自编码器模型被用于语义分割。在所有分割模型中，仍然有一个名字居于首位那就是U-Net。

·2022-02-21 09:58

自编码器和潜在空间插值2021-03-25

剪纸生成因为样本很少，使用GAN等生成模型行不通，为了能够产生新的图像，想到使用编码器，然后在潜空间插值看能否出现新的特征，附一张mnist的效果图能够看出来渐变emm，我也期望能从图1到图2渐变，中间出现新特征，然而失败了emmm图1图2同时为了比较不同编码器的效果，有大佬吧各种编码器都进行实验：http://www.360doc.com/content/21/0217/12/7673502_9

一只大南瓜·2022-02-13 23:49

变分自编码器（一）——基本原理简介

自编码器常用于数据压缩算法和特征提取算法包含EncoderandDecoder,若用和表示对应的映射为目标函数是为了拟合一个恒等函数变分自编码器如何将其变化成为自编码器的形式如何理解和如何保证采样出的Z

长安逸魂·2022-02-13 16:23

自编码器和GAN

自编码器是为了学习数据的压缩表示。

菜鸟瞎编·2022-02-13 08:32

python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列

这种神经网络被命名为自编码器_Autoencoder_。自编码器是_非线性_降_维_技术用于特征的无监督学习，它们可以学习比主成分分析效果更好的低维代码，作为降低数据维数的工具。

·2022-02-11 15:00

变分自编码器（一）：原来是这么一回事

姓名：任子琪学号：19021110610转载自：“科学空间”，原文链接：https://spaces.ac.cn/archives/5253【嵌牛导读】近年，变分编码器VAE（VariationalAuto-encoder）同GAN一样，成为无监督复杂概率分布学习的最流行的方法。VAE之所以流行，是因为它建立在标准函数逼近单元，即神经网络，此外它可以利用随机梯度下降进行优化。本文将解释重点介绍VA

21度七·2022-02-07 13:48

Variational Auto-encoder（VAE）变分自编码器

介绍VariationalAuto-encoder（VAE）变分自编码器，是无监督复杂概率分布学习的最流行的方法之一。VAE的最大特点是模仿自动编码机的学习预测机制，在可测函数之间进行编码、解码。

612twilight·2022-02-06 11:38

卷积自编码器中注意机制和使用线性模型进行超参数分析

·2022-01-31 10:03

何恺明MAE大火之后，想梳理下视觉Transformer？这篇综述帮你梳理了100多个

先是何恺明等人用简单的掩蔽自编码器MAE证明了Transformer扩展到CV大模型的光明前景；紧接着，字节跳动又推出了部分指标超过MAE的新方法iBOT，将十几项视觉任务的SOTA又往前推了一步。

机器学习社区·2021-11-26 13:21

深度学习 | 寄己训练寄己 | 自编码器（4.5）

最近在恶补深度学习基础知识，以下为根据公众号“阿力阿哩哩”的《寄己训练寄己｜自编码器》而总结的内容。可以结合作者在哔哩大学的视频。

running snail szj·2021-11-14 10:00

Learning Memory-guided Normality for Anomaly Detection 模型介绍

如图所示，该模型为对传统卷积自编码器的优化，主要模块可分为三个部分：Encoder、MemoryModule和Decoder。Networkarchitectu

热衷泡茶的年轻人·2021-11-09 23:23

论文阅读笔记《Improving Unsupervised Defect Segmentation by Applying Structural Similarity To Autoencoders》

ImprovingUnsupervisedDefectSegmentationbyApplyingStructuralSimilarityToAutoencoders》代码实现：https://github.com/plutoyuxie/AutoEncoder-SSIM-for-unsupervised-anomaly-detection-Abastract卷积自编码器已经成为图像数据上无监督缺

骊山道童·2021-11-02 17:20

理解变分自编码器VAE

VAE的理解转述记录参考文章https://arxiv.org/pdf/1312.6114.pdfhttps://dfdazac.github.io/01-vae.htmlhttps://spaces.ac.cn/tag/vae/https://cloud.tencent.com/developer/article/1096650自编码模型，输入是数据X,经过网络生成中间变量，然后通过中间表示，再

水球喵·2021-06-24 02:25

Keras搭建自编码器操作

简介：传统机器学习任务任务很大程度上依赖于好的特征工程，但是特征工程往往耗时耗力，在视频、语音和视频中提取到有效特征就更难了，工程师必须在这些领域有非常深入的理解，并且需要使用专业算法提取这些数据的特征。深度学习则可以解决人工难以提取有效特征的问题，大大缓解机器学习模型对特征工程的依赖。深度学习在早期一度被认为是一种无监督的特征学习过程，模仿人脑对特征逐层抽象的过程。这其中两点很重要：一是无监督学

·2021-06-20 16:29

直观理解 VAE（译文）

文章既包括对VAE（VariationalAutoencoders，变分自编码器）的直观理解，也有详细的数学推导。很佩服作者用这种平实亲和的语言写科技博客的能力。

isl_qdu·2021-06-11 13:04

深度学习部分实验(粗略)

这次就先勉强看看吧在生成领域，自编码器是GAN的前身，今天用VAE在MNIST做了生成实验，图1是10个class到latentspace的投影，从投影就可以看出，同一类会尽量分在一起，说明latentspace

Neil-Yale·2021-05-27 20:12

生成模型应用——使用变分自编码器（VAE）控制人脸属性生成人脸图片

生成模型应用——使用变分自编码器（VAE）控制人脸属性生成人脸图片使用VAE生成人脸图片网络架构人脸重建生成新面孔采样技巧控制人脸属性潜在空间属性控制查找属性向量人脸属性编辑完整代码使用VAE生成人脸图片变分自编码器

盼小辉丶·2021-05-23 22:40

【自然语言处理系列】自编码器AE、变分自编码器VAE和条件变分自编码器CVAE

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱本文主要分享自编码器、变分自编码器和条件变分自编码器的相关知识以及在实际实践中的应用技巧，原创不易转载请注明出处，原稿获取请关注公众号

CHEONG_KG·2021-05-22 14:48

自编码器模型详解与实现（采用tensorflow2.x实现）

自编码器模型详解与实现（采用tensorflow2.x实现）使用自编码器学习潜变量编码器解码器构建自编码器从潜变量生成图像完整代码使用自编码器学习潜变量由于高维输入空间中有很多冗余，可以压缩成一些低维变量

盼小辉丶·2021-05-22 14:51

《GANs实战》学习笔记（二）第二章自编码器生成模型入门

第二章自编码器生成模型入门1、生成模型简介-潜在空间-Latentspace如果有一定的深度学习基础，肯定会对“深度学习如何额获取图像中的原始像素并将其转化为类别的预测”这种操作不陌生。

xiaoyaolangwj·2021-05-08 11:17

百面机器学习｜第九章前向神经网络知识点(一)

深度前馈网络是一类网络模型的统称，有多层感知机、自编码器、限制玻尔兹曼机，以及卷积神经网络等。1、多层感知机与布尔函数多层感知机表

蓝白绛·2021-05-07 14:43

推荐频道

自编码器

借鉴 LeNet AlexNet Vgg16 GoggleNet ResNet

深度学习在无线通信物理层中的应用研究

DNN、FCN、CNN、RNN、LSTM、BRNN、DRNN、GAN、自编码器、DBN、RBN、注意力网络、MCNN、Inception、dropout、残差网络

生成模型——PixelRNN、PixelCNN、变分自编码器VAE和生成式对抗网络GAN

机器学习专业名词中英文对照

解读ICDE'22论文：基于鲁棒和可解释自编码器的无监督时间序列离群点检测算法

深度学习

深度学习 --- 优化入门六（正则化、参数范数惩罚L0、L1、L2、Dropout）

图像检索基础

自编码器(Auto-Encoder)

【深度学习理论】(5) 图卷积神经网络 GCN

教你用TensorFlow和自编码器模型生成手写数字（附代码）

深度学习 autoencoder_【PyTorch】2阶张量数据的自编码器 (Autoencoder) 实现

【学习笔记】李宏毅2021春机器学习课程第8.1节：自编码器（一）

《Graph neural networks A review of methods and applications》翻译

深度学习项目示例 使用自编码器进行模糊图像修复

大火的何铠明：MAE——用于计算机视觉的可扩展自监督学习神器

【2019/ICML】DAG-GNN: DAG Structure Learning with Graph Neural Networks

GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结

无监督学习（含自编码器在MNIST上的图片重建实战）

GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结

浙江大学-机器学习-ppt截图

VAE变分自编码器

拓端tecdat|python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列

第8章 生成式深度学习

GAN（对抗生成网络）原理及数学推导

变分自编码器（VAE）直观理解and 数学推导

北大博士生提出CAE，下游任务泛化能力优于何恺明MAE

北大博士生提出CAE，下游任务泛化能力优于何恺明MAE

论文回顾：U2-Net，由U-Net组成的U-Net

自编码器和潜在空间插值2021-03-25

变分自编码器（一）——基本原理简介

自编码器和GAN

python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列

变分自编码器（一）：原来是这么一回事

Variational Auto-encoder（VAE）变分自编码器

卷积自编码器中注意机制和使用线性模型进行超参数分析

何恺明MAE大火之后，想梳理下视觉Transformer？这篇综述帮你梳理了100多个

深度学习 | 寄己训练寄己 | 自编码器（4.5）

Learning Memory-guided Normality for Anomaly Detection 模型介绍

论文阅读笔记《Improving Unsupervised Defect Segmentation by Applying Structural Similarity To Autoencoders》

理解变分自编码器VAE

Keras搭建自编码器操作

直观理解 VAE（译文）

深度学习部分实验(粗略)

生成模型应用——使用变分自编码器（VAE）控制人脸属性生成人脸图片

【自然语言处理系列】自编码器AE、变分自编码器VAE和条件变分自编码器CVAE

自编码器模型详解与实现（采用tensorflow2.x实现）

《GANs实战》学习笔记（二）第二章 自编码器生成模型入门

百面机器学习｜第九章前向神经网络知识点(一)

深度学习项目示例使用自编码器进行模糊图像修复

第8章生成式深度学习

《GANs实战》学习笔记（二）第二章自编码器生成模型入门