Autoencoder自编码器

日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）

One2MultiGraphAutoencoderforMulti-viewGraphClustering3.GMC:Graph-basedMulti-viewClustering论文笔记4.KMeans与深度学习自编码AutoEncoder
爱啊岛呀~·2022-11-23 14:46

基于深度极限学习机DELM的回归预测

自动编码器AE（AutoEncoder）经过训练可以将输入复制到输出。因为
智能算法研学社（Jack旭）·2022-11-23 11:20

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

表征学习（representation learning）与特征工程（feature engineering）的区别

xx学习简介具体介绍表征学习自动选择特征表征学习(representationlearning)即让模型自动的学习数据的表示，如使用一些深度学习模型CNN、RNN、AutoEncoder，主成分分析等等
爱学习的大白菜·2022-11-23 08:30

从零点五开始的深度学习笔记——VAE(Variational AutoEncoder) （一） 预备知识

VAE-VariationalAutoEncoder学习笔记1.VAE变分自动编码器1.1StackedAutoEncoder回顾1.2VariationalAutoEncoder结构2.预备知识2.1概率2.1.1概率分布2.1.2条件概率2.1.3贝叶斯定理（Baye'stheorem）2.1.4全概率定理（Theoremoftotalprobability）2.2矩阵迹计算技巧2.3KL散度
无始之始·2022-11-22 21:26

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

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。
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

图像神经网络模型有哪些,图像神经网络模型制作

目前经常使用的深度神经网络模型主要有卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)和生成对抗网络(GAN)等。
普通网友·2022-11-22 13:20

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

一文解读Masked Autoencoder(MAE)

前言  论文链接：https://arxiv.org/pdf/2111.06377.pdf  跟李沐学AI：https://www.bilibili.com/video/BV1sq4y1q77t?spm_id_from=333.999.0.0  如果说VisionTransformer是Transformer在CV领域的拓展，那么MaskedAutoencoder就是BERT在CV领域的拓展。MA
littlepeni·2022-11-19 15:59

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

医学影像-深度学习综述

2.深度学习方法综述2.1监督学习2.2无监督学习2.2.1Autoencoder自动编码器广泛应用于降维和特征学习通过最小化输入和从潜在表示重建之间的重
松下直子·2022-11-19 08:46

卷积神经网络计算题试题_卷积神经网络CNN代码试题.doc

卷积神经网络CNN代码解析deepLearnToolbox-master是一个深度学习matlab包，里面含有很多机器学习算法，如卷积神经网络CNN，深度信念网络DBN，自动编码AutoEncoder(
weixin_39946429·2022-11-19 08:59

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

blog.csdn.net/xingfei_work/article/details/80039527otheractivation激活值activationfunction激活函数additivenoise加性噪声autoencoder
without_fetter·2022-11-17 11:28

Pytorch学习笔记8——迁移学习与autoencoder

Pytorch学习笔记8——迁移学习与autoencoder上一回我们使用自定义数据集完成了训练，但由于自定义数据集数量较少，准确度较低，因此我们可以考虑迁移学习。
深度学不学习·2022-11-15 11:21

【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

简单理解Autoencoder(AE)、Variational AutoEncoder(VAE)、Graph Autoencoder(GAE)和VGAE

首先是自动编码器和图自动编码器。自动编码器的主要作用是学习一个东西的主要特征，从高维编码到低维，再从低维解码到高维。衡量编码和解码的好坏就是重构损失，也就是看原始向量和重构向量像不像，一般用交叉熵或者均方误差来衡量损失。而图自动编码器主要是用来学习图的主要特征，更具体来讲是学习每个节点的主要特征。在编码阶段，AE是用全连接层或者卷积层，GAE一般使用的是GCN进行编码，输入是邻接矩阵和节点的特征矩
Fwindyy·2022-11-14 09:39

花式解释AutoEncoder与VAE【转】

https://www.jianshu.com/p/78f91e8aafed什么是自动编码器自动编码器(AutoEncoder)最开始作为一种数据的压缩方法，其特点有:1)跟数据相关程度很高，这意味着自动编码器只能压缩与训练数据相似的数据
weixin_42278939·2022-11-14 09:09

【机器学习】无监督学习Autoencoder和VAE

autoencoder可以输入数据和输出数据维度相同，这样测试数据匹配时和训练数据的输出端直接匹配，从而实现无监督训练的效果。
weixin_30516243·2022-11-14 09:38

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
酒酿小圆子～·2022-11-14 09:08

torch09：variational_autoencoder(VAE)--MNIST和自己数据集

MachineLP的Github（欢迎follow）：https://github.com/MachineLPMachineLP的博客目录：小鹏的博客目录本小节使用torch搭建VAE模型，训练和测试：（1）定义模型超参数：输入大小、隐含单元、迭代次数、批量大小、学习率。（2）定义训练数据。（3）定义模型（定义需要的VAE结构）。（4）定义损失函数，选用适合的损失函数。（5）定义优化算法（SGD、
MachineLP·2022-11-14 09:08

AutoEncoder与VAE

什么是自动编码器自动编码器(AutoEncoder)最开始作为一种数据的压缩方法，其特点有:1)跟数据相关程度很高，这意味着自动编码器只能压缩与训练数据相似的数据，这个其实比较显然，因为使用神经网络提取的特征一般是高度相关于原始的训练集
愚昧之山绝望之谷开悟之坡·2022-11-14 09:04

从Autoencoder到VAE及其变体

链接目录符号定义1.Autoencoder,2006[paper]2.DenoisingAutoencoder,2008,[paper]3.SparseAutoencoder,[paper]k
RaymondLove~·2022-11-14 09:02

8月5日Pytorch笔记——AutoEncoder、VAE

文章目录前言一、AutoEncoder1、Lossfunctionforbinaryinputs2、Sample()isnotdifferentiable二、VariationalAutoencoders
Ashen_0nee·2022-11-14 09:31

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

[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2）

用VAE，从codespace上去sample一个code，能得到一个比较好的image，而autoencoder可能得不到。
holeung·2022-11-12 11:42

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

【手把手教你基于Keras的AutoEncoder模型拟合预测股票走势】

基于Keras的MLP_AutoEncoder模型什么是AutoEncoder上代码演示MLP_AutoEncoder核心代码模型预测代码效果如何呢？
Mike_Leigh·2022-11-09 07:34

【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

机器学习-降维方法：PCA、KPCA、LDA、LLE、LE、t-SNE、AutoEncoder、MDS、ISOMAP、FastICA、SVD、LPP、ICA

无监督学习{化繁为简{聚类(Clustering){k-Means算法k-Means++算法密度聚类算法{DBSCAN算法密度最大值聚类算法谱聚类算法GMM(高斯混合模型)聚类算法TopicModel(主题模型)算法{LDA(隐含狄利克雷分布)PLSA(概率隐语义)LFMLSI降维(DimensionReduction){线性降维{主成分分析(PrincipalComponentAnalysis)
u013250861·2022-10-30 02:36

【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
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他