自编码器第6页

4、High-Resolution Image Synthesis with Latent Diffusion Models

简介github地址diffusionmodel明显的缺点是耗费大量的时间、计算资源，为此，论文将其应用于强大的预训练自编码器的潜在空间，这是首次允许在复杂性降低和细节保存之间达到一个近乎最佳的点，极大地提高了视觉保真度

C--G·2023-04-02 20:46

一文详解扩散模型：DDPM

（AIGeneratedContent，AIGC）近年来成为了非常前沿的一个研究方向，生成模型目前有四个流派，分别是生成对抗网络（GenerativeAdversarialModels，GAN），变分自编码器

京东云开发者·2023-04-01 12:33

VAE的NLP理解（离散，没有序列性）

VariationalAuto-Encoder变分自编码器严格来说，VAE实现的是“文本重建”，它虽然也包含“编码器”和“解码器”两个部分，但和NLP中的encoder-decoder架构还是有所区别。

桂花很香,旭很美·2023-03-29 03:31

狗都能看懂的VAE笔记

文章目录自编码器普通Auto-Encoder的问题解决的方法如何运作数学细节生成模型Auto-Encoder一直是一个非常有创造性的方向。

热血厨师长·2023-03-27 07:52

Sklearn 与 TensorFlow 机器学习实用指南

神经网络与深度学习（解决复杂问题）九、启动并运行TensorFlow十、人工神经网络介绍十一、训练深层神经网络十二、设备和服务器上的分布式TensorFlow十三、卷积神经网络十四、循环神经网络十五、自编码器十六

天线嘟嘟茄·2023-03-17 23:08

Pytorch实现变分自编码器（VAE）

1.概念及原理变分自编码器是自编码器的变种，是一种生成模型。

爱玩电动的阿伟·2023-03-15 09:00

新型掩码自编码器 AdaMAE，自适应采样

出品人：Towhee技术团队王翔宇、顾梦佳MaskedAutoencoders(MAEs)通过从可见数据的token重建带掩码的输入数据，学习图像、文本、音频、视频等的通用表征。当前的视频MAE方法依赖于基于随机补丁、通道、或基于视频帧的屏蔽策略来选择这些token。AdaMAE在此基础上提出一种端到端可训练的自适应掩码策略。它从高时空信息区域采样更多的token，实现了遮盖率高达95%的toke

·2023-02-22 15:39

神经网络入门必做项目【浅留个脚印】

知乎上看到一个神经网络入门必做项目：1、使用Python实现深度神经网络2、神经网络实现手写字符识别系统3、使用卷积神经网络进行图片分类4、神经网络实现人脸识别任务5、基于无监督学习的自编码器实现6、自联想器的

霉霉屁·2023-02-07 09:19

变分贝叶斯自编码器笔记

变分贝叶斯自编码器笔记1.问题情境数据集X={x(i)}i=1N\mathbf{X}={\{\mathbf{x}^{(i)}}\}_{i=1}^NX={x(i)}i=1N是随机变量x\mathbf{x}

会飞的鱼chelmx·2023-02-06 12:34

【深度学习基础6】自编码器及其变体

一、Autoencoder基础1.基本概念自编码器是一类特殊的前馈神经网络，Encodes输入得到隐含表示h，Decodes以h作为输入。

Emiliano Martínez·2023-02-06 07:38

ELECTRA：类似GAN的预训练语言模型

Pre-trainingTextEncodersasDiscriminatorsRatherThanGenerators论文链接：https://arxiv.org/abs/2003.10555论文来源：ICLR2020一、概述目前的SOTA语言表示学习方法可以看做是在学习一个去噪自编码器

酷酷的群·2023-02-06 01:48

Auto-encoder和Variational auto-encoder（自编码器和变分自编码器）

问题经常用于数据集预处理进行数据降维或者特征的提取某些数据集使用时需要变为计算机能够更好处理的形式，需要先进行预处理，我们希望预处理后的数据能够最大保留原数据集信息，并且使最后的编码信息能够最大还原原数据，过程包含encoder和decode自编码器其损失函数则定义为重建输出与原始输入之间的均方差

歌者And贰向箔·2023-02-06 00:39

变分自编码器 Variational AutoEncoders

变分自编码器（VariationalAutoEncoders，VAEs）是一种深度潜变量表示学习模型。其已经被用于图像生成，并且在半监督学习上取得目前最好（state-of-the-art）的性能。

老泽征尔·2023-02-06 00:09

变分自编码器（VAE，Variational Auto-Encoder）

变分自编码器（Variationalauto-encoder，VAE）是一类重要的生成模型（GenerativeModel）除了VAEs，还有一类重要的生成模型GANsVAE跟GAN比较，目标基本是一致的

u013250861·2023-02-06 00:09

Denoising Variational Auto-Encoder 降噪变分自编码器

降噪变分自编码器（DenoisingVAE），是将DenoisingCriterion和VAE结合在一起的一种自编码器。

jinTester·2023-02-06 00:38

变分自编码器（Variational Auto Encoder , VAE）【质量提升2.0】【VAE】

变分自编码器（VariationalAutoEncoder,VAE）【质量提升2.0】【VAE】文章目录变分自编码器（VariationalAutoEncoder,VAE）【质量提升2.0】【VAE】一

小白的努力探索·2023-02-06 00:08

笔记-变分自编码器（Variational Auto Encoder，VAE）

从大数据时代——>人工智能，生活中各场景下的大数据问题都能用大数据+人工智能算法的配方进行求解。诸如分类、回归等有监督学习问题都得到了很好的解决，但监督学习需要大量标注数据，这一限制使得很多场景无法依靠人工智能的红利。因此，无监督学习正慢慢成为研究热点。VAE便是其中的典型代表。VAE的设计结构具有严谨的数学理论指导，粗略看了一遍，没有太理解，在此mark住，以后有需要再回来学习。链接如下：【Le

ZSYGOOOD·2023-02-06 00:08

对比学习介绍Contrastive Learning

1.无监督学习分类生成式方法：以自编码器为代表，主要关注pixellabel的loss。

Janie.Wei·2023-02-05 08:15

正则自编码器之去噪自编码器

图1.自编码器的一般结构传统自编码器通过最小化如下目标：(公式1)公式1中L是一个损失函数，惩罚g(f(x))与x的差异，如它们彼此差异的L2范数。若自编码器容量过大，则其将学到一个毫无意义的恒等式。

罗辑罗辑·2023-02-04 17:16

堆叠稀疏自编码器SSAE

稀疏自编码器自编码器通过将输入信息作为学习目标，对输入信息进行表征学习。通过稀疏性参数ρ\rhoρ对自编码器隐层节点进行稀疏性约束，则构成稀疏自编码器。

Poppy679·2023-02-02 15:50

数据分析-深度学习-神经网络

目录前言感知机多层感知机(MLP)卷积神经网络（VGG/GoogleNet/AlexNet/ResNet）循环神经网络（RNN）自编码器（Autoencoder）生成对抗网络（GAN）前言近些年随着大规模高质量标注数据集的出现

ITLiu_JH·2023-02-02 12:45

数据分析-深度学习Pytorch Day12

文章目录一、自编码器Auto-Encoders1.1、回顾之前的知识1.2、无监督学习1.3、Auto-Encoders中lossfunction如何设计1.3.1、PCA和Auto-encoder对比二

小浩码出未来！·2023-02-01 12:14

pytorch 笔记：VAE 变分自编码器

1导入库importtorchimporttorchvisionfromtorchimportnnfromtorchimportoptimimporttorch.nn.functionalasFfromtorch.autogradimportVariablefromtorch.utils.dataimportDataLoaderfromtorchvisionimporttransformsfrom

UQI-LIUWJ·2023-02-01 12:07

GAN生成对抗网络

1.4GAN的网络结构示意图1.5数学描述1.6原始GAN-手写数字图像生成代码2.常见的GAN2.1DCGAN2.1.1DCGAN代码：2.2CGAN2.2.1条件GAN的代码：2.3VAE-GAN自编码器

平行世界里的我·2023-02-01 10:58

深度学习论文笔记

语音情感识别、人工神经网络，深度学习神经网络发展历程介绍2.语音情感识别的基本理论3.人工神经网络4.深度学习神经网络基本理论1.语音情感识别、人工神经网络，深度学习神经网络发展历程介绍深度学习常用模型：自编码器

weixin_30730053·2023-02-01 09:30

Auto-Encoder和自监督学习

视频链接：第八节2021-自编码器(Auto-encoder)(上)–基本概念_哔哩哔哩_bilibili参考博客：【机器学习】李宏毅——AE自编码器(Auto-encoder)_FavoriteStar

捂好小马甲·2023-01-31 20:25

基于lstm，自编码器auto-encode，时空密度聚类st-dbscan做异常检测附完整代码

由时间空间成对组成的轨迹序列，通过循环神经网络，自编码器，时空密度聚类完成异常检测1.rnn wordembedding预训练时空点词向量，通过rnn预测下一个时空点的概率分布，计算和实际概率分布的kl

甜辣uu·2023-01-31 14:30

深度学习在图像压缩领域中的应用

框架包含自编码器、量化结构、熵编码和率-失真优化等环节，由卷积层和GeneralizedNormalization（GDN）激活函数组成的自编码器对图像进行降维，降低图像的空间维度；量化结构中添加随机误差

ZZX-研一小学僧·2023-01-29 17:56

图像生成

经典网络：图像生成的深度学习工具是生成对抗网络（GAN）用传统方法实现不了变分自编码器是基础：GAN-》CGAN-》DC-GAN->W-GANSRGAN为什么那些大牛能够修改一些网络结构，因为他们对深度学习之前的图像处理很理解

周小天..·2023-01-29 14:05

用自编码器实现信用卡数据集的异常检测(详细)，Pytorch版本

自编码器结构如下图所示，编码器来实现维度的压缩，解码器实现维度的恢复重构。自编码器可用于：训练深度学习网络、压缩、分类以及异常检测等，本文主要是异常检测的应

HN--hu·2023-01-29 11:36

【PyTorch】变分自编码器/Variational Autoencoder（VAE）

1模型介绍变分自编码器（variationalautoencoder，VAE）的原理介绍：VAE将经过神经网络编码后的隐藏层假设为一个标准的高斯分布，然后再从这个分布中采样一个特征，再用这个特征进行解码

洌泉_就这样吧·2023-01-29 11:04

【Pytorch项目实战】之生成式网络：编码器-解码器、自编码器AE、变分自编码器VAE、生成式对抗网络GAN

文章目录生成式网络-生成合成图像算法一：编码器-解码器算法二：自编码器（Auto-Encoder，AE）算法三：变分自编码器（VariationalAutoEncoder，VAE）算法四：生成式对抗网络

胖墩会武术·2023-01-29 11:02

【第一周】深度学习基础

.视频学习1.1绪论从专家系统到机器学习从传统机器学习到深度学习深度学习的能与不能1.2深度学习概述浅层神经网络：生物神经元到单层感知器，多层感知器，反向传播和梯度消失神经网络到深度学习：逐层预训练，自编码器和受限玻尔兹曼机附

Hekiiu·2023-01-29 09:00

forward() missing 1 required positional argument: ‘indices‘错误解决

在自编码器中，进行上池化操作时报了forward()missing1requiredpositionalargument:'indices’的错误。

@秋野·2023-01-28 14:06

[Deeplearning4j应用教程09]_基于DL4J的自动编码器

基于DL4J的自动编码器一、简介二、自编码器的工作流程三、基于DL4J的自编码器实现3.1、导入需要的包3.2、堆叠式自动编码器3.3、使用MNIST迭代器3.4、无监督训练3.5、评估模型3.6、结果可视化一

AI_DL_Developer·2023-01-27 13:55

对抗样本学习笔记:Adversarial Examples: Attacks and Defenses for Deep Learning

对抗防御分类二、论文细节知识点1.hessian矩阵（表一）：hessian矩阵实际上就是函数的二阶导矩阵Hessian矩阵在机器学习中的应用(拓展)：即hessian矩阵能来找极值点2.RNN简单介绍，3.自编码器简单介绍

code-dream·2023-01-26 15:02

【深度学习】基于深度学习Autoencoder的信用卡欺诈异常检测，效果非常牛逼

自编码器（AutoEncode

风度78·2023-01-26 02:06

自编码器Auto-Encoder简介与应用潜力探索

自编码器Auto-Encoder简介与应用潜力探索一.简介1.自编码器是自监督学习的一种，在Bert，GPT大行其道之前，它就已崭露头角。2.总体结构3.如何训练？

槛外散人·2023-01-22 07:19

Attributed Graph Clustering: A Deep Attentional Embedding Approach，DAEGC

此论文是一个基于图注意的自编码器，在编码器中使用图注意力。在此基础上，使用一种自训练模块来指导聚类算法获得更好的性能。

OFF JUMPOL·2023-01-19 21:40

CS231n学习笔记（十三）

CS231n学习笔记（十三）：生成式模型（无监督学习）有无监督学习对比有监督学习无监督学习对比生成式模型（GenerativeModels）PixelRNN/CNN（显式密度估计）变分自编码器（VariationalAutoencoder

HINJ·2023-01-18 11:00

【深度学习6】对比学习（Contrastive Learning）入门

我们知道的无监督方法有聚类(迭代地更新聚类中心，让属于同一类的样本更近，不同类的样本更远)，自编码器(输入x->特征隐层编码->解码恢复出x'，让x'和x接近)，那对比学习又是怎么个操作，怎么构建loss

烈日松饼·2023-01-11 11:06

2021李宏毅机器学习课程-YouTube第六部分、自编码器Auto-encoder

第六部分、自编码器Auto-encoder1.Auto-encoder2.De-noisingAuto-encoder3.特征分离3.VectorQuantizedVariationalAuto-encoder

Liuyc-Code boy·2023-01-11 07:19

cs231n——浅析三种生成模型

生成模型的分类三、PixelRNN/CNNPixelRNNPixelCNN总结四、变分自编码器自编码器变分自编码器五、生成对抗网络（GANs）GAN总结总结一、有监督学习和无监督学习有监督学习有监督学习在前面的学习中已经接触了一些

yizhi_hao·2023-01-10 18:49

paper：Traffic Flow Prediction With Big Data: A Deep Learning Approach SAE模型

的任务是基于历史的交通数据预测未来的交通流量数据，并且发现交通流量的数据是具有一定的周期性的，因此其提出了SAE的模型，其希望可以先记住交通流量的数据，然后在进行推导paper提出的SAE的流程图通过堆叠的Autoencoder自编码器来进行预测的任务

David_7788·2023-01-10 16:47

无监督聚类表征学习方法之对比学习(Contrastive Learning)——simclr方法

ASimpleFrameworkforContrastiveLearningofVisualRepresentations》2.无监督聚类表征学习方法主要有几种：①自动编码器(AutoEncoder,AE);②变分自编码器

没用的阿鸡·2023-01-10 12:38

语义分割模型--LinkNet

LinkNet:ExploitingEncoderRepresentationsforEfficientSemanticSegmentation感兴趣的可以自行下载查看（1）LinkNet介绍LinkNet采用自编码器的思想

你这个代码我看不懂.·2023-01-09 18:42

[CVPR 2018] Zero-Shot Visual Recognition Using Semantics-Preserving Adversarial Embedding Networks

框架图如上，上面的分支是语义嵌入网络，下面分支是自编码器结构。上面的分支是用来学习视觉到语义的映射，在嵌入空间年关联已见类和未见类。下面的分支用来弥补语义损失

一亩高粱·2023-01-09 13:07

自编码器与堆叠自编码器简述

本文是对知乎问题为什么稀疏自编码器很少见到多层的？的回答，同时借此介绍下自编码器及其相关的一些知识。

甲虫ss·2023-01-09 09:21

32 使用堆叠自编码器(SAE)进行图像特征提取与图像分类

目录摘要：一、自动编码器基本概念（Auto-Encoder，AE）二、堆叠自编码器（SAE）的原理2.1第一层AE2.2第二层AE2.3第三层2.4组合三、具体的实现步骤：3.1准备训练数据3.2分步训练

电力系统建模与分析技术·2023-01-09 09:17

【深度学习实战】从零开始深度学习（五）：生成对抗网络——深度学习中的非监督学习问题

人民邮电出版社）第7章生成网络PyTorch官方文档廖星宇著《深度学习入门之Pytorch》第6章生成对抗网络其他参考的网络资料在文中以超链接的方式给出目录1.生成模型（GenerativeModel）1.1自编码器

喵木木·2023-01-08 11:02

推荐频道

自编码器