自编码器

卷积自编码器（Convolutional Autoencoder）的一个实验

1、卷积自编码器（CAE）的简单介绍卷积自编码器是自编码器方法的一种延伸，自编码器包括编码和解码，通过将输入的图像进行编码，特征映射到隐层空间，然后解码器对隐层空间的特征进行解码（重建的过程）获得输入的重建样本
庆志的小徒弟·2020-08-12 12:42

deep learning---SAE（stacked autoencoder）

SAE栈式自编码器参考自网页http://ufldl.stanford.edu/wiki/index.php/Stacked_Autoencoders点击打开链接Astackedautoencoderisaneuralnetworkconsistingofmultiplelayersofsparseautoencodersinwhichtheoutputsofeachlayeriswiredtot
北极小贝·2020-08-12 10:35

pytorch构建卷积自编码器实现图片的压缩的功能，图片检索（以图搜图）功能

使用Pytorch构建卷积自编码器，尝试对MNIST数据集进行压缩。利用上述自编码器完成手写数字的“以图搜图”的功能。
泰勒几天不想展开·2020-08-12 10:34

样本不平衡问题解决方法总结

解决方法总结：一、数据上处理二、权重设置三、集成的思想四、转化成异常检测问题五、利用深度学习：自编码器.六、确定适合样本不平衡问
weixin_30552635·2020-08-11 18:34

机器学习里的自编码器及应用

自动编码机（简称自编码器）是前馈非循环神经网络，是一种无监督机器学习方法，具有非常好的提取数据特征表示的能力，它是深层置信网络的重要组成部分，在图像重构、聚类、机器翻译等方面有着广泛的应用。
RosebudTT·2020-08-11 16:25

深度学习自编码的Java实现

深度学习自编码器即Java实现自编码（Auto-Encode）是一种无监督学习，不给定标签向量，它可以借助神经网络来实现，将神经网络的输入和输出进行对比来不断地重构误差，修正神经网络中各层节点的权值和偏量
CSer、子瑜·2020-08-11 10:08

UFLDL教程练习（exercise）答案（1）

下面是《稀疏自编码器》和《矢量化编程实现》这两节我自己实现的练习答案，不保证完全正确，不过结果和网站上面给出的基本一致。
weixin_33671935·2020-08-09 00:53

Autoencorder理解(5):VAE（Variational Auto-Encoder，变分自编码器）

VAE（VariationalAuto-Encoder，变分自编码器）[1,2]和GAN（GenerativeAdversarialNetworks）等模型，受到越来越多的关注。笔者最近也在学
Alanyannick·2020-08-08 22:41

基于卷积自编码器和图像高斯金字塔的布料缺陷无监督学习与检测方法

基于卷积自编码器和图像金字塔的布料缺陷无监督学习与检测方法这篇博客是在我在浙江大学计算机学院做实习时接触到的一个课题，参考了论文《AnUnsupervised-Learning-BasedApproachforAutomatedDefectInspectiononTexturedSurfaces
赛艇队长·2020-08-08 16:53

Pix2Pix-GAN 简介与代码实战

其中文翻译为：“基于条件gan的图片翻译”，说到翻译，我们很容易想到，英语转换成汉语就是一种语言上的翻译，同理，图片上内容的转换就是图片翻译（比如图片的风格转换）2.模型结构下图为生成器网络，左边为一个普通自编码器网络
时光碎了天·2020-08-07 19:16

在PyTorch中使用深度自编码器实现图像重建

自编码器也是神经网络的一个变种，主要用于无监督学习问题。当它们在体系结构中有多个隐藏层时，它们被称为深度自编码器。这些模型可以应用于包括图像重建在内的各种应用。
磐创 AI·2020-08-06 11:42

Keras 之 自编码器（Auto Encoder）

这里以fashion_mnist数据集为例，先写出自编码器的基本实现代码如下：importosimporttensorflowastfimportnumpyasnpfromtensorflowimportkerasfromtensorflow.kerasimportSequential
FlameAlpha·2020-08-06 10:59

Tensorflow 学习笔记本———代码实践

的不同网络的搭建与实现自编码网络TensorFlow实现最浅神经网络tensorflow实现tensorflow实现传统神经网络TensorFlow实现训练神经网络tensorflow实现卷积神经网络原理概述自编码器卷积神经网络应用领域基于
Hardy Chu·2020-08-05 16:38

自编码器和深度学习

自编码算法与稀疏性目前为止，我们已经讨论了神经网络在有监督学习中的应用。在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合，其中。自编码神经网络是一种无监督学习算法，它使用了反向传播算法，并让目标值等于输入值，比如。下图是一个自编码神经网络的示例。自编码神经网络尝试学习一个的函数。换句话说，它尝试逼近一个恒等函数，从而使得输出接近于输入。恒等函数虽然看上去不太
blacklee123·2020-08-05 00:48

生成模型--栈式自编码器(stacked autoencoder, SA)

栈式自编码器(stackedautoencoder,SA)  即多个自编码器堆叠而成，是深度神经网络中的一种。  
whitenightwu·2020-08-04 08:17

降噪自编码器/稀疏自编码器/栈式自编码器

漫谈autoencoder：降噪自编码器/稀疏自编码器/栈式自编码器（含tensorflow实现）2018年08月11日20:45:14wblgers1234阅读数13196更多分类专栏：机器学习深度学习
weixin_30853329·2020-08-04 04:05

深度学习笔记：稀疏自编码器（3）——稀疏自编码算法

  有了神经网络和反向传播的基础，我们就可以将其应用到稀疏自编码器中了。稀疏自编码器属于非监督学习，主要通过尝试学习一个hW,b(x)≈x的函数，来提取输入值x中的特征。
aaronwu2·2020-08-04 03:20

风机桨叶故障诊断（六） 利用自编码器进行特征学习

风机桨叶故障诊断（六）利用自编码器进行特征学习在之前的工作中，我已经初步构建了三层的BP神经网络，并已经从样本集的选取，模型的选择（隐含层神经元个数），和输出层神经元阈值选择这几个方面对桨叶的识别问题进行了优化
随煜而安·2020-08-04 02:40

跟我一起学PyTorch-09：PyTorch项目实战

在前面章节中，深入阐述了PyTorch和深度学习的基础知识，包括PyTorch的安装、常用命令和基本操作，讲述了深度神经网络、卷积神经网络、循环神经网络和自编码器等。
金字塔下的小蜗牛·2020-08-04 02:53

去噪自编码器_DeepLearning 0.1 documentation中文翻译

DeepLearning0.1documentation中文翻译:DenoisingAutoencoders(DA)_去噪自编码器原文网址:http://deeplearning.net/tutorial
如若明镜·2020-08-04 02:42

【深度学习】AE与VAE

AE与VAEAutoEncoder：自编码器不同种类的自编码器VAE：变分自编码器总结AutoEncoder：自编码器自动编码器是一种数据的压缩算法，其中数据的压缩和解压缩函数是数据相关的、有损的、从样本中自动学习的
而与你及·2020-08-04 01:44

对抗自编码器指南之一：自编码器

如果你知道如何编写Tensorflow代码来对MNIST数字进行分类，那么阅读本文就不会有太多障碍，否则我会强烈建议你先阅读Tensorflow网站上的这篇文章。我们不再需要任何重大的新突破就可以获得真正的AI!!!???这是非常离谱、极其可笑的错误观点。正如我之前所说：人类和动物的学习大部分都是无监督的。如果把智能比做一个蛋糕，那么无监督（unsupervised）学习才是真正的蛋糕，有监督（s
新缸中之脑·2020-08-04 00:38

[自编码器：理论+代码]：自编码器、栈式自编码器、欠完备自编码器、稀疏自编码器、去噪自编码器、卷积自编码器

自编码器及其变形很多，本篇博客目前主要基于普通自编码器、栈式自编码器、欠完备自编码器、稀疏自编码器和去噪自编码器，会提供理论+实践（有的理论本人没有完全理解，就先没有写上，后更）。
nana-li·2020-08-04 00:18

栈式自编码

介绍栈式自编码神经网络(StackedAutoencoder,SA)，是对自编码网络的一种使用方法，是一个由多层训练好的自编码器组成的神经网络。
小 小 羊·2020-08-03 23:44

在PyTorch中使用深度自编码器实现图像重建

自编码器也是神经网络的一个变种，主要用于无监督学习问题。当它们在体系结构中有多个隐藏层时，它们被称为深度自编码器。这些模型可以应用于包括图像重建在内的各种应用。
人工智能遇见磐创·2020-08-03 22:24

keras简单的去噪自编码器代码和各种类型自编码器代码

start=time()fromkeras.modelsimportSequentialfromkeras.layersimportDense,Dropout,Inputfromkeras.layersimportEmbeddingfromkeras.layersimportConv1D,GlobalAveragePooling1D,MaxPooling1Dfromkerasimportlayer
owenbb·2020-08-03 20:41

深度学习：AutoEncoder（自编码器）

文章目录一、什么是AutoEncoder？二、AutoEncoder的结构三、AutoEncoder的作用四、简单代码实现一、什么是AutoEncoder？如图所示，AutoEncoder框架包含两大模块：编码过程和解码过程。通过encoder(g)将输入样本x映射到特征空间z，即编码过程；然后再通过decoder(f)将抽象特征z映射回原始空间得到重构样本x’，即解码过程。优化目标则是通过最小化
南淮北安·2020-08-03 20:03

利用PCA进行数据降维

一、进行数据降维的原因1.使得数据更加容易使用2.降低很多算法的计算开销3.去除数据中的噪声(例如使用自编码器AE可以给图片进行降噪处理)4.便于可视化二、常见的降维技术在已标注和未标注的数据上都有降维技术
CurryCoder·2020-08-03 15:56

在PyTorch中使用深度自编码器实现图像重建

自编码器也是神经网络的一个变种，主要用于无监督学习问题。当它们在体系结构中有多个隐藏层时，它们被称为深度自编码器。这些模型可以应用于包括图像重建在内的各种应用。
人工智能遇见磐创·2020-08-03 14:00

压缩去噪利器---自编码器（AutoEncoder）

今天博主给大家分享的是深度学习的压缩去噪利器---自编码器（AutoEncoder）。这一期我们将分别利用CNN卷积神经网路和BP神经网络去搭建4种自编码器。
Chile_Wang·2020-08-03 12:52

漫谈autoencoder：降噪自编码器/稀疏自编码器/栈式自编码器（含tensorflow实现）

0.前言  在非监督学习中，最典型的一类神经网络莫过于autoencoder(自编码器)，它的目的是基于输入的unlabeled数据X={x(1),x(2),x(3),...}X={x(1),x(2),
wblgers1234·2020-08-03 11:24

深度学习：什么是自编码器（Autoencoder）

我的机器学习教程「美团」算法工程师带你入门机器学习已经开始更新了，欢迎大家订阅~任何关于算法、编程、AI行业知识或博客内容的问题，可以随时扫码关注公众号「图灵的猫」，加入”学习小组“，沙雕博主在线答疑~此外，公众号内还有更多AI、算法、编程和大数据知识分享，以及免费的SSR节点和学习资料。其他平台（知乎/B站）也是同名「图灵的猫」，不要迷路哦~Autoencoderautoencoder是一种无监
图灵的猫.·2020-08-03 11:14

【论文解读 WWW 2019 | MVAE】Multimodal Variational Autoencoder for Fake News Detection

论文链接：https://doi.org/10.1145/3308558.3313552代码链接：https://github.com/dhruvkhattar/MVAE关键词：多模态融合；图片；文本；变分自编码器
byn12345·2020-08-02 20:10

第二次作业：卷积神经网络 part 1

第二次作业1.第一部分(视频笔记)1.1自编码的种类：正则自编码器(应用是使提取的特征表达式符合某种性质)稀疏自编码器(提取稀疏特征表达)去噪自编码器(提取鲁棒特征表达)变分自编码器(是非监督生成模型与对抗生成网络相关
hannahmu·2020-08-01 21:00

第二次作业：卷积神经网络 part 1

------------恢复内容开始------------1.视频学习深度学习的数学基础自编码器变种包括正则自编码器，稀疏自编码器，去噪自编码器，变分自编码器数学基础线性代数（数据表示、空间变换的基础
BeKind!·2020-08-01 21:00

第二次作业：卷积神经网络 part1

Partone视频学习心得及问题总结1深度学习的数学基础1.1自编码器变种正则自编码器使提取的特征表达符合某种性质稀疏自编码器提取稀疏特征表达去噪自编码器提取鲁棒特征表达，能够对被破坏的原始数据编码、解码
Justing778·2020-08-01 19:00

第二次作业：卷积神经网络 part 1

自编码器：正则自编码器、稀疏自编码器、去噪自编码器和变分自编码器。
yzm10·2020-08-01 18:00

第二次作业：卷积神经网络 part 1

视频学习深度学习的数学基础自编码器变种正则自编码器：使提取的特征表达符合某种性质——惩罚大权重稀疏自编码器：提取稀疏特征表达——限制神经元平均激活度在一个很小的值去噪自编码器：提取鲁棒特征表达变分自编码器
Life9706·2020-08-01 15:00

(含源码)「自然语言处理(NLP)」社区问答评估&&Bert模型优化

2020-03-21引言：本文分享的内容主要包括社区问答质量评估（基于Bert模型微调）、Bert语言表示模型的优化、多Talkiing注意力头、ALBERT模型（减少参数提升训练速度）、序列到序列的去噪自编码器
yinizhilianlove·2020-08-01 08:27

【转载】深度学习概述：从感知机到深度网络

原文地址：http://www.52ml.net/15104.html深度学习概述：从感知机到深度网络2014年05月10日⁄字号小中大文章目录机器学习基础感知机前馈神经网络自编码器受限波尔兹曼机深度网络卷积网络实现结论附录
xceman1997·2020-08-01 07:09

第二次作业：卷积神经网络 part 1

自编码器：包含编码器和解码器，用于接收数据然后降维存储。自编码器有：正则自编码器、稀疏自编码器、去噪自编码器和变分自编码器。
如梦似幻11·2020-07-31 20:00

用变分推断理解GAN

变分自编码器CS231n推导推导方式聚焦于后验分布的描述。
雪俏·2020-07-31 15:14

Make a Face: Towards Arbitrary High Fidelity Face Manipulation(做个脸：走向任意高保真脸部操纵)

在这项工作中，我们提出了附加焦点变分自编码器（AF-V
假装很坏的谦谦君·2020-07-30 16:21

《PyTorch机器学习从入门到实战》 例程（PyTorch1.2版本可用）

(optimizer)优化器的使用示例(CH4.3)4.MNIST数据集上卷积神经网络的实现(CH5.3)5.自编码器实现(CH6.2)6.基于自编码器的图形去噪1.训练30次2.训练100次3.训练200
零度不知寒·2020-07-30 05:51

自编码器概论

判定模型与生成模型判定模型对条件概率分布P（y|x）进行建模，即在特征x出现的情况下标记y出现的概率。其本质是根据X判定Y。举例：若要确定一只羊是山羊还是绵羊，需从历史数据中训练得到判定模型，通过提取这只羊的特征来判断这只羊是山羊的概率大还是绵羊的概率。生成模型对联合概率分布P（x,y）进行建模，即特征x和标记y共同出现的概率。通过贝叶斯公式求得使p（yi|x）值最大的yi。其本质是联合概率分布可
MoonLord0525·2020-07-29 23:13

NLP语言模型素材（来自网）

其实早期的使用自编码器栈式搭
数据智能谷·2020-07-29 16:38

自编码器 Tensorflow 实战 MNIST 数据集

1、生成模型1.1、什么是生成模型概率统计层面：能够在给丁某一些隐含参数的条件下，随机生成观测数据的这样一种模型，称之为“生成模型”。它给观测值和比周数据系列制定一个连和概率分布机器学习层面：直接对数据进行建模，比如根据某个变量的概率密度函数进行数据采样。在贝叶斯算法中，直接对连和概率分布P(x,y)进行建模，然后利用贝叶斯公式进行求解P(y|x)。1.2、生成模型分类第一类：完全表示出数据确切的
november_chopin·2020-07-29 10:59

基于深度学习的轴承故障识别-选择神经网络模型

1.自编码器2.DBN3.CNN4.LSTM自编码器在分类上的表现我总觉得一般般，所以没选。
zhangjiali12011·2020-07-29 02:50

(含源码)「自然语言处理(NLP)」社区问答评估&&Bert模型优化

2020-07-28引言：本文分享的内容主要包括社区问答质量评估（基于Bert模型微调）、Bert语言表示模型的优化、多Talkiing注意力头、ALBERT模型（减少参数提升训练速度）、序列到序列的去噪自编码器
Shu灬下雨天·2020-07-28 23:32

深度学习的关键：无监督深度学习简介（附Python代码）

并且详解了在MNIST数据集上进行无监督学习的代码，包括K-Means、自编码器以及DEC算法。
weixin_34050519·2020-07-28 18:51
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他