自编码器第7页

【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

EM算法和变分自编码器（VAE）的联系

两种常用的推断方法：期望最大化算法（ExpectationMaximaization,EM)和变分自编码器（Variationalautoencoders,VAE），都是可以通过近似逼近来优化目标函数。

Coix·2023-01-08 10:21

变分自编码器VAE

1.VAE&GAN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

Janie.Wei·2023-01-08 10:21

pytorch利用变分自编码器进行MNIST实战

自编码器是一种无监督学习它的作用：1、降维2、预处理3、可视化4、利用无监督的数据5、压缩（有损）、降噪、超分辨率原理一句话概括，自己训练自己。

爱听许嵩歌·2023-01-08 10:21

变分自编码器VAE详解及torch复现

文章目录AEVAE我公众号目录综述：https://wangguisen.blog.csdn.net/article/details/127065903变分自编码器VAE详解：变分自编码器VAE详解AE

WGS.·2023-01-08 10:21

编码器-解码器入门级理解

编码器-解码器编码器-解码器使用场景一、PCA二、自编码器（AE）1、欠完备自编码器2、过完备自编码器3、正则化自编码器①、去噪自编码器②、稀疏自编码器三、变分自编码器（VAE）编码器-解码器使用场景编码器

不务正业的程序媛·2023-01-07 12:52

【CV Transformer 论文笔记】MAE: Masked Autoencoders Are Scalable Vision Learners

论文地址：http://arxiv.org/abs/2111.06377项目地址：（非官方）https://github.com/pengzhiliang/MAE-pytorch本文的主要观点是：掩码自编码器

橙子的科研日记·2023-01-06 21:41

ConvNeXt V2论文翻译：ConvNeXt V2与MAE激情碰撞

AI浩·2023-01-06 21:40

深度学习（01）-- 基础学习

深度学习总览1.2深度网络训练过程1.2.1传统神经网络的训练方法为什么不能用在深度神经网络1.2.2deeplearning训练过程1.3数学知识：2.九种深度学习模型2.1受限玻尔兹曼机RBM2.2自编码器

Zero-One-0101·2023-01-06 10:04

花书+吴恩达深度学习（二一）线性因子模型（概率PCA，ICA，SFA，稀疏编码）

慢特征分析SFA4.稀疏编码如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔，我会非常开心的~花书+吴恩达深度学习（二一）线性因子模型（概率PCA，ICA，SFA，稀疏编码）花书+吴恩达深度学习（二二）自编码器

I can丶·2023-01-05 22:15

lstm keras 权重理解_数据科学 | 如何用LSTM自编码器进行极端事件预测？(含Python代码)...

↑↑↑↑↑点击上方蓝色字关注我们！『运筹OR帷幄』转载作者：MarcoCerliani编者按预测的一大难点在于，对于未来的偶然性和突发性等极端事件的预测。针对这类问题，作者在LSTM模型基础上加入了AutoEncoding层，希望在特征较少的情况下将单一特征扩展到多个维度，以达到更好的预测效果。另外本案例还加入了除历史结果外的其他时间维度特征。让我们一起跟着作者看下改进之后的预测效果。原标题|Ex

weixin_39952182·2023-01-05 05:25

（pytorch）LSTM自编码器在西储数据的异常检测

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、自编码器是什么？

giaogiao凶ヾ(≧O≦)〃·2023-01-05 05:23

VAE(Variational Autoencoder)简单记录

VAE->VQVAE,主要是加了VectorQuantization本文会不断更新…这篇写的不错，有空好好看看变分自编码器VAE：原来是这么一回事|附开源代码,苏剑林大佬的文章。

Andy Dennis·2023-01-04 16:12

MAE模型介绍

目录介绍模型编辑实验过程结论介绍MaskedAutoencodersAreScalableVisionLearnersFacebookAl的kaiming大神等人于2021年十一月提出了一种带自编码器(

aixiaomi123·2023-01-04 10:20

Zero-shot Learning零样本学习论文阅读（三）——Semantic Autoencoder for Zero-Shot Learning

Zero-shotLearning零样本学习论文阅读（三）——SemanticAutoencoderforZero-ShotLearning背景领域漂移(domainshift)自编码器算法原理思路设定算法原理具体流程参考文献

River_J777·2023-01-02 16:32

A new deep transfer learning network based on convolutional auto-encoder for mechanical fault diagno

基于卷积自编码器的机械故障诊断深度迁移学习网络摘要CAE去噪不同噪声下准确率比较各模型得到的T-SNE映射三级目录摘要深度学习在旋转机械故障智能诊断方面取得了很大的成就。

没有头发的小白·2023-01-02 14:30

32 变分自编码器VAE

1Introduction本小节主要介绍的是变分自编码器（VariationalAutoEncoder），VAE在之前的变分推断中就有介绍，具体在“随机梯度变分推断（SGVI）”中已进行描述。

AI路上的小白·2023-01-01 20:51

机器学习-白板推导系列(三十二)-变分自编码器(VAE，Variational AutoEncoder)

1.Introduction本小节主要介绍的是变分自编码器（Variational AutoEncoder）\color{red}变分自编码器（Variational\;AutoEncoder）变分自编码器

Paul-Huang·2023-01-01 20:51

Pytorch：线性自编码网络降维(对比PCA)

Pytorch:图像自编码器-线性自编码网络降维与SVM,PCA降维与SVMCopyright:JingminWei,PatternRecognitionandIntelligentSystem,SchoolofArtificialandIntelligence

宅家的小魏·2022-12-31 17:48

tensorflow实战——经典的卷积神经网络

自编码器简介：深度学习提取的是频繁出现的特征；特征是需要不断抽象的，它从见到的微观特征开始，不断抽象特征的层级，逐渐网复杂的宏观特征转变。

warrles·2022-12-31 07:50

VGAE（Variational graph auto-encoders）论文及代码解读

论文解读理论部分参考：VariationalGraphAuto-Encoders（VGAE）理论参考和源码解析VGAE（Variationalgraphauto-encoders）论文详解简要介绍：本文是将变分自编码器

瞳瞳瞳呀·2022-12-31 07:47

文本数据增强的四种方法总结

1、文本增强方法：1）EAD(同义词替换、随机插入、随机替换、随机删除)以及回译2）受限变分自编码器（ConditionalVariationalAuto-Encoders，CVAE），他是通过在回译的中间过程增加一些噪声

samoyan·2022-12-30 10:05

DeepMind | 70分钟了解图神经网络，图注意力网络一作带来最「自然」的GNN讲解

机器学习算法那些事·2022-12-29 19:37

High Fidelity Semantic Shape Completion for Point Clouds using Latent Optimization

作者使用一个自编码器和一个GAN网络来学习对象类点云的嵌入分布。首先将缺失区域的输入点云编码为特征向量，然后使用组合

CXY_freshman·2022-12-29 11:36

1TensorFlow笔记——基础概念简介&Python简明教程

无监督学习：给数据，找规律进行分类，常见的无监督学习算法有自编码器、生成对抗网络等。半监督学习：给一小部分有标注数

weixin_45165961·2022-12-29 02:00

变分自编码器（VAE）（一）

闲话少说，关于VAE的文章网上也有不少，解释的最好最清楚的还是苏剑林老师的这篇文章文章链接，还有B站白板推导系列中关于变分推断跟变分自编码器链接。

zeronose·2022-12-28 20:09

变分自编码器（VAE）编程实现

一、简介本文使用VAE的方法去学习MNIST手写数字图像。使用的是Pytorch深度学习框架。MNIST手写数字图像大小是1×28×28，将其展平为一个784维向量，这个向量就是输入x。然后经过编码器得到潜在空间的特征。编码器由全连接层组成。首先经过一个512维的全连接层，然后经过一个256维的全连接层，最后分别经过一个2维的全连接层，得到潜在特征的均值和方差。再次将编码器得到的均值和方差通过公式

Ma lidong·2022-12-28 20:07

MATLAB实现自编码器（四）——变分自编码器实现图像生成Train Variational Autoencoder (VAE) to Generate Images

本文是对TrainVariationalAutoencoder(VAE)toGenerateImages网页的翻译，该网页实现了变分自编码的图像生成，以MNIST手写数字为训练数据，生成了相似的图像。本文主要翻译了网页中除了帮助函数外的部分，由于帮助函数较多，另外整理一篇文章介绍。Thisexampleshowshowtocreateavariationalautoencoder(VAE)inMA

佟湘玉滴玉·2022-12-28 20:36

变分自编码器VAE的直观理解与原理推导及问题记录

1学习链接参考链接：[1]【变分自编码器VAE鲁鹏】https://www.bilibili.com/video/BV1Zq4y1h7Tu?

千羽QY·2022-12-28 20:36

MATLAB实现自编码器（五）——变分自编码器（VAE）实现图像生成的帮助函数

主要部分见MATLAB实现自编码器（四）——变分自编码器实现图像生成TrainVariationalAutoencoder(VAE)toGenerateImage

佟湘玉滴玉·2022-12-28 20:06

【深度学习】用变分自编码器生成图像和生成式对抗网络

在图像生成该领域中两种主要技术分别是变分自编码器（VAE，variationalautoencoder）和生成式对抗网络（GAN，generativeadversarialnetwork）。

danyow-4·2022-12-28 20:35

论文解析：变分自编码器

VAE(变分自编码器) 变分自编码器来自于论文《Auto-EncodingVariationalBayes》，是一种生成式模型，生成式模型的概念在CS229中已经有过介绍了，简单来说，对于一个判别式模型来说

夜半罟霖·2022-12-28 20:05

深入理解自编码器（用变分自编码器生成图像）

文章目录自编码器欠完备自编码器正则自编码器稀疏自编码器去噪自编码器收缩自编码器变分自编码器References内容总结自花书《DeepLearning》以及《Python深度学习》。

如松茂矣·2022-12-28 20:35

推荐频道

自编码器