Autoencoder自编码器第15页

深度学习 - 国科大2020年试题

1名词解释深度学习：将训练数据（低层特征）输入人工构造的神经网络（其模仿大脑神经元之间的传递），通过神经网络的多层运算自动提取更高层次的数据分布式特征表示；稀疏自编码器：当隐藏节点较多时，自编码器会学习到很多冗余信息

无脑敲代码，bug漫天飞·2022-10-27 17:51

深度学习抠图——手写文本提取

全卷积自编码器来提取退化图像的字符文本（前景），并用高斯混合模型进行背景重建，最后，将字符文本和背景进行融合生成重建图像。c.进一步对该方法进行了改

浮生若梦，为欢几何耶·2022-10-27 07:57

时间序列-异常检测（Anomaly Detection）（四）：深度学习方法

一、概述基于深度学习的时间序列异常检测算法，主要可以分为以下这么几种：针对正常数据进行训练建模，然后通过高重构误差来识别异常点，即生成式（Generative）的算法，往往是无监督的，如自编码器（AutoEncoder

u013250861·2022-10-24 20:05

基于自编码网络AutoEncoder完成数据降维并且提取数据的本质特征

什么是数据的降维？一维数据我们可以认为它是一个点，二维数据是一条线，三维数据是一个面，但四维数据我们就想象不到了，但这并不意味着不存在。对于深度学习的数据来说，数据的维度往往远远大于四维，四维我们都想象不到，那么远超四维的数据我们就更加难以预料了，为了解决这个问题，我们可以使用机器学习中的数据降维技术，简单的来说就是将高维的数据降低到两维或者三维，也就是人类可以想象到的数据表示形式，这样我们就可以

幻风_huanfeng·2022-10-24 17:41

第1周学习：深度学习和pytorch基础

无参数模型判别vs生成模型二、深度学习概述三、浅层神经网络1.M-P神经元2.激活函数3.单层感知器4.多层感知器5.万有逼近定理6.神经网络每一层的作用7.误差反向传播8.梯度四、神经网络基础1.逐层预训练2.自编码器

weixin_43982194·2022-10-17 12:32

解读：一种金融时间序列预测方法：基于栈式自编码器、小波变换以及LSTM的深度学习框架...

这篇文章提出了一种基于深度学习技术的金融时间序列预测方法，其中，小波变换（wavelettransforms）用于对金融数据去噪，栈式自编码器用于

敲代码的quant·2022-10-14 15:32

深度学习基础（CNN详解以及训练过程1）

深度学习基础（CNN详解以及训练过程1）深度学习是一个框架，包含多个重要算法:ConvolutionalNeuralNetworks(CNN)卷积神经网络AutoEncoder自动编码器SparseCoding

qq_32790593·2022-10-13 09:55

图神经网络时代的深度聚类

随着深度学习的兴起，一些工作尝试将深度学习技术（如Autoencoder）引入到传统聚类算法中，也取得了不错的效果。近些年，图神经网络已经成为深度学习领域最热

PaperWeekly·2022-10-10 19:51

李宏毅老师-自编码器（Auto-encoder）Part2

慢慢来，会更好！大家好，我是一个想研究又不会研究的研究生陪伴大家一起学习成长！我们接着来学习一下FeatureDisentanglementFeatureDisentanglement：把一些本来纠缠在一起的东西解开这些经过Encoder的咨讯（比如文章的内容与字法等）全部纠缠在一起，我们并不知道这个向量的哪些维代表哪个咨讯而FeatureDisentanglement技术可以解决这个问题的比如能

想研究又不会研究的研究生·2022-10-10 10:34

李宏毅老师-自编码器（Auto-encoder）Part1

慢慢来，会更好！大家好，我是一个想研究又不会研究的研究生陪伴大家一起学习成长！AUTO-ENCODER也可以算是self-supervisedlearning的一环那么，接下来，我们来学习一下Auto-encoder是如何运作的？Auto-encoder包括两个network一个是NNEncoder，一个是NNDecoder将输入的高维度特征通过Encoder弄成低维度的向量，向量再通过Decod

想研究又不会研究的研究生·2022-10-10 10:33

【李宏毅2021机器学习深度学习】7-5，7-6 自编码器（Auto-encoder）

文章目录参考链接7-5自编码器（上）目录自编码器是什么（不用标注的训练，但要发明一个任务可以去训练）Auto-encoder的流程（Encoder将输入向量压缩为更低维度的向量，但是携带的信息会更多）为什么

I"ll carry you·2022-10-10 10:03

李宏毅机器学习2016 第十四讲深度自编码器

视频链接：李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩课程资源：Hung-yiLee课程相关PPT已经打包命名好了：链接：https://pan.baidu.com/s/1c3Jyh6S密码：77u5我的第十三讲笔记：李宏毅机器学习2016第十三讲无监督学习之非线性降维：流型学习（MainfoldLearning）UnsupervisedLearning：DeepAu

Joe-Peng_hitsz·2022-10-10 10:01

2021李宏毅机器学习课程笔记——Auto Encoder

，有疑问欢迎大家在评论区讨论https://speech.ee.ntu.edu.tw/~hylee/ml/ml2021-course-data/auto_v8.pptxI.BasicIdea简单来说，AutoEncoder

xiongxyowo·2022-10-10 10:00

李宏毅机器学习笔记——自编码器(Auto-encoder)

概念自编码器（autoencoder,AE）是一类在半监督学习和非监督学习中使用的人工神经网络（ArtificialNeuralNetworks,ANNs），其功能是通过将输入信息作为学习目标，对输入信息进行表征学习

vincewm·2022-10-10 10:00

Auto-encoder（自编码器）的原理及最新的技术应用（李宏毅视频课整理和总结）

1Auto-encoder1.1PCA1.2DeepAuto-encoder2SomeApplications2.1TextRetrieval（文字检索）2.2SimilarImageSearch（相似图片搜索）2.3Pre-training（预训练）3De-noisingAuto-encoder（加噪的自编码器

Y_蒋林志·2022-10-10 10:29

李宏毅机器学习（八）自编码器（Auto-encoder）

前情提要什么自监督学习？做不需要标注资料的任务，比如做填空题，比如预测下一个任务！这个时候我们只需要对在自监督中训练的模型进行fine-tune就可以用在下游任务中了！但是在不需要标注的数据之前呢，在BERT、self-supervisedlearning之前有一个工具叫做Auto-Encoder！也是不需要标注的数据的。Auto-Encoder怎么运作的？它是一个无监督的，不需要任何标注资料的任

追赶早晨·2022-10-10 10:58

李宏毅机器学习笔记第15周_自编码器（Auto-encoder）

、BasicIdeaofAuto-encoder二、FeatureDisentanglement三、DiscreteLatentRepresentation四、MoreApplications总结前言自编码器

MoxiMoses·2022-10-10 10:28

【李宏毅机器学习】自编码器auto-encoder

文章目录一、auto-encoder二、自编码器的应用2.1FeatureDisentangle2.2TextasRepresentation（学会产生摘要）2.3AnomalyDetection（欺诈检测

山顶夕景·2022-10-10 10:49

【Kaggle】Save My Paper 基于自编码器的文本图像去噪

基于CNN自编码器的文本图像去噪一、题目介绍二、数据分析三、模型介绍四、PyTorch实现4.1数据集构建4.2模型构建4.3优化方案和训练过程五、测试结果与分析一、题目介绍本题目来自Kaggle。

Ace2NoU·2022-10-10 07:12

AutoEncoder

AutoEncoderAutoEncoder（自编码器，AE）由两部分组成，左半部分称为编码器（Encoder），用函数h=f(x)h=f(x)h=f(x)表示，其中xxx代表输入，hhh代表中间隐藏层的编码输出

dragonylee·2022-10-09 14:24

分类常用的神经网络模型,神经网络模型可解释性

1、有哪些深度神经网络模型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。

小六oO·2022-10-09 10:02

带掩码的自编码器（MAE）最新的相关论文推荐

KaiwenDong,ChunhuiZhang,ChuxuZhang,NiteshV.Chawlahttps://arxiv.org/pdf/2208.09957生成式自监督学习(SSL)，特别是带掩码自编码器已经成为最令人兴奋的学习范式之一

·2022-10-08 12:20

避免神经网络过拟合的5种技术

这段时间里，我使用过很多神经网络，比如卷积神经网络、循环神经网络、自编码器等等。我遇到的最常见的一个问题就是在训练时，深度神经网络会过拟合。

喜欢打酱油的老鸟·2022-10-08 11:01

MATLAB环境下基于支持向量机、孤立森林和LSTM自编码器的三轴振动数据的机械异常检测

本文讲解如何使用机器学习和深度学习来检测机械振动数据中的异常，属于异常检测领域，这玩意在工业中用的更多，因为工业中毕竟还是正常样本远多于故障样本（异常样本）。运行环境为MATLABR2021B.第三方面包多官网下载如下正在为您运送作品详情数据集数据集包含来自工业机械臂的三轴振动测量值，在计划维护之前和维护之后采集数据。假定在定期维护后采集的数据代表机器的正常运行状况，维护前的数据代表正常或异常情况

哥廷根数学学派·2022-10-05 17:41

MATLAB环境下基于深度学习的语音降噪方法

之前简单的利用深层自编码器对语音信号进行降噪基于自编码器的语音信号降噪-哥廷根数学学派的文章-知乎基于自编码器的语音信号降噪-知乎本篇讲一些稍微复杂的基于深度学习的语音降噪方法，并比较了应用于同一任务的两种的网络

哥廷根数学学派·2022-10-05 17:06

基于堆栈自编码器的图像识别及特征权重可视化

关于自编码器，有兴趣的可以参考如下论文：袁非牛,章琳,史劲亭,夏雪,李钢.自编码神经网络理论及应用综述[J].计算机学报,2019,42(01):203-230.首先导入手写数字图像，并随机看几个样本fori

哥廷根数学学派·2022-10-05 17:36

脉冲神经网络和卷积神经网络的区别

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。

小浣熊的技术·2022-10-05 08:13

图神经网络（五）基于GNN的图表示学习（4）基于图自编码器的推荐系统实战代码

图神经网络（五）基于GNN的图表示学习（4）基于图自编码器的推荐系统实战代码基于图自编码器的推荐系统实战代码代码说明autoencoder.pydataset.pymain.py运行结果基于图自编码器的推荐系统实战代码代码说明

炎武丶航·2022-10-05 07:17

最强损失函数分析：一般自适应鲁棒损失函数

作者||cocoon编辑||3D视觉开发者社区✨如果觉得文章内容不错，别忘了三连支持下哦~文章目录概述广义损失函数概率密度函数实验变分自编码器无监督的单目深度估计快速全局配准任务鲁棒连续聚类任务结论参考文献论文链接

奥比中光3D视觉开发者社区·2022-09-30 07:10

第九章无监督学习

第九章无监督学习第九章无监督学习无监督特征学习主成分分析稀疏编码训练方法稀疏编码的优点自编码器稀疏自动编码器堆叠自编码器降噪自编码器概率密度估计参数密度估计正态分布多项分布非参数密度估计直方图方法核方法

Avery123123·2022-09-23 18:51

CNN(卷积神经网络)的理解+基于Tensorflow2.0卷积自编码器

1.卷积神经网络是神经网络的一种，可以很好的处理图像数据。卷积神经网络的思想是通过卷积核(滤波器)，过滤不感兴趣的信息，提取数据的特征，也就是我们感兴趣的数据。卷积核一般是3*3或者5*5的矩阵，图像的像素矩阵和卷积核进行内积，得到原始图像的基本特征。CNN的主要流程有：卷积(卷积本质是一种线性运算，所以此步骤需要激活函数进行非线性化)、padding、池化、反卷积。一般没有设置移动步长的时候，默

小菜鸟派大星·2022-09-22 11:23

Tensorflow制作自己数据集并用CNN训练自己的数据集

学习完用MNIST数据集训练简单的MLP、自编码器、CNN后，我想着自己能不能做一个数据集，并用卷积神经网络训练，所以在网上查了一下资料，发现可以使用标准的TFrecords格式，参考见最后面的链接。

Vertira·2022-09-21 08:21

【机器学习】李宏毅——AE自编码器(Auto-encoder)

1、What在自编码器中，有两个神经网络，分别为Encoder和Decoder，其任务分别是：Encoder：将读入的原始数据（图像、文字等）转换为一个向量Decoder：将上述的向量还原成原始数据的形式而目标是希望还原出来的结果能够与原始数据尽可能的接近

FavoriteStar·2022-09-20 16:16

机器学习信号处理

此外，机器学习（深度学习）技术本身也可以做信号特征的处理，比如以传统的全连接神经网络构造自编码器，或者是以卷积为基的深

Mr Robot·2022-09-15 22:32

带掩码的自编码器MAE在各领域中的应用总结

所以各种基于带掩码的自编码器技术就出现了，这种技术允许在未标记的数据上训练模型，并且获得的特征能够适应常见下游任务BERT—最早的遮蔽模型，用于文本任务1810.04805MAE—图像，可以说它将BERT

·2022-09-09 11:47

使用基于LSTM的变分自编码器对股票序列数据进行降噪并重构

考虑到针对股票市场的噪音特性，我们尝试使用变分自编码器（VAE）对价格数据进行重构，并且考虑到股票数据的时序性，我们在自编码器网络中加入LSTM网络提升表现。

weixin_47178719·2022-09-06 19:40

FactorVAE：基于变分自编码器的动态因子模型

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。量化投资与机器学习公众号独家解读量化投资与机器学公众号QIMLInsight——深度研读系列是公众号全力打造的一

普通网友·2022-09-06 19:09

第三课.图变分自编码器&图对抗生成网络

目录自编码器与变分自编码器自编码器变分自编码器变分自编码器原理变分自编码器的损失函数图变分自编码器定义回顾图变分自编码器EncoderDecoder图变分自编码器的损失函数图对抗生成网络对抗生成网络图对抗生成网络

tzc_fly·2022-09-06 19:38

变分自编码器VAE详解

emmmmm…先来一首BGM吧。VAE的讲解网络的逻辑输入和输出这是我为了更加清晰的介绍流程图而设定的（不知专业的词哈）首先，对于一批数据来说，生成模型的目标就是学习得到一个分布P(X)P(X)P(X)，使得该分布和数据的真是分布Pgt(X)P_{gt}(X)Pgt(X)很接近，这样一来，我们就可以根据得到的P(X)P(X)P(X)来生成该数据集中到数据，也就是达到了生成数据的目的，这就是生成

kingfoulin·2022-09-06 19:05

【推荐系统】变分自编码器(VAEs)在推荐系统中的应用

VAEs(VariationalAutoencoders变分自编码器)是一类基于变分推断和Encoder-Decoder结构的生成式模型。

风度78·2022-09-06 19:04

11.自编码器及变分自编码器

代码点这里1.自编码器(Autoencoder)自编码器的介绍可以点击这里。自编码器包含两部分：编码器与解码器。编码器相当于把数据压缩，解码器相当于将数据解压。

不要瞎胡闹·2022-09-06 19:03

VAE的原理+直观理解+公式推导+去噪+异常检测

基于序列的VAE生成模型变分自编码器VAE：原来是这么一回事|附开源代码VAE希望训练一个模型X=g(Z)，这个模型能够将原来的概率分布映射到训练集

cloudless_sky·2022-09-06 19:03

深度自编码高斯混合模型无监督异常检测

本文提出深度自编码器高斯混合模型，从几个方面解决了上述挑战。2、相关工作：

qq_40832034·2022-09-04 07:07

【深度学习】——深度学习中基本的网络结构（1）

这一部分开始，是对深度学习的有关内容进行学习，在机器学习中有涉及到部分有关深度学习的内容，如CNN、autoencoder等比较简单的网络模型。这一部分开始，将对深度学习有一个较为系统的学习和了解。

Uniqe·2022-08-30 09:00

Unsupervised Learning-Deep Auto-encoder(无监督学习之自编码器)

摘要：本章主要是关于自编码器的原理及其应用，自编码器是一种无监督学习方法，可用于数据降维及特征抽取。其中自编码器由编码器（Encoder）和解码器（Decoder）两部分组成。

HSR CatcousCherishes·2022-08-30 07:00

Pytorch实现基础的深度学习框架----AutoEncoder

文章目录前言一、Auto-Encoder二、创建一个AE模型并训练总结前言已经入住生信、机器学习的新手村，目前MATLAB会一点点，python和R语言还在入门阶段，未来在博客中会记录学习到的新知识或者不会解决的问题，也同时也作为自己的备忘录和资源库。还没有出新手村，若内容有误欢迎在评论区指出，给我狠狠的喷！一、Auto-EncoderAE可以说是深度学习模型最基础的骨架，也是初学者必须要掌握的框

五月的梓念·2022-08-25 07:52

图机器学习（Graph Machine Learning）- 第三章无监督图学习2 （Unsupervised Graph Learning）- 自编码器

第三章无监督图学习2-自编码器AutoEncoder文章目录第三章无监督图学习2-自编码器AutoEncoder3.2自编码器AutoEncoder3.2.1TensorFlow和Keras——一个强大的组合

无穷范数·2022-08-24 07:49

CNN autoencoder 先降维再使用kmeans进行图像聚类是不是也可以降维以后进行iforest处理？...

importkerasfromkeras.datasetsimportmnistfromkeras.modelsimportSequentialfromkeras.layersimportDense,Activation,Flattenfromkeras.layersimportConv2D,MaxPooling2D,UpSampling2Dimportmatplotlib.pyplotasplt

djph26741·2022-08-24 07:34

[Python人工智能] 三十七.Keras构建无监督学习Autoencoder模型及MNIST聚类可视化详解

本篇文章将分享无监督学习Autoencoder的原理知识，然后介绍Keras构建自编码的案例，即通过MNIST手写数字案例进行对比实验及聚类分析，运行效果如下图所示。基础性文章，希望对您有所帮助！

Eastmount·2022-08-24 07:25

GraphMAE：自监督掩码图自编码器

论文标题：GraphMAE:Self-SupervisedMaskedGraphAutoencoders论文链接：https://arxiv.org/abs/2205.10803论文来源：KDD2022代码链接：https://github.com/THUDM/GraphMAE一、概述自监督学习（Self-supervisedlearning,SSL）通常分为生成式学习和对比学习。目前图领域的自监

酷酷的群·2022-08-15 20:27

推荐频道

Autoencoder自编码器