Autoencoder自编码器

利用 TensorFlow 实现卷积自编码器

自编码器的一个非常受欢迎的使用场景是图像处
weixin_33910434·2020-08-12 13:11

Pytorch入门之VAE

关于自编码器的原理见另一篇博客：编码器AE&VAE这里谈谈对于变分自编码器（Variationalauto-encoder）即VAE的实现。1.稀疏编码首先介绍一下“稀疏编码”这一概念。
weixin_30522183·2020-08-12 13:31

pytorch实现autoencoder

关于autoencoder的内容简介可以参考这一篇博客，可以说写的是十分详细了https://sherlockliao.github.io/2017/06/24/vae/盗图一张，自动编码器讲述的是对于一副输入的图像
YongjieShi·2020-08-12 13:34

AutoEncoder的PyTorch实现

之前的文章叙述了AutoEncoder的原理，这篇文章主要侧重于用PyTorch实现AutoEncoderAutoEncoder其实AutoEncoder就是非常简单的DNN。
数学家是我理想·2020-08-12 12:01

自编码器autoencoder总结思考

一句话解释自编码器：输入与输出一致，通过神经网络实现，实现数据去噪或为可视化而降维学习：深度学习之自编码器AutoEncoder总结1：自监督而非无监督，因为输入同输出总结2：数据有损，输出退化总结3：
执契·2020-08-12 12:20

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自动编码器实现有损图像压缩

自动编码器（AutoEncoder）由编码器（Encoder）和解码器（Decoder）两部分组成。编码器和解码器可以是任意模型，通常神经网络模型作为编码器和解码器。
Answerlzd·2020-08-12 10:47

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

莫烦 pytorch 自编码 AutoEncoder

p=25源代码：https://github.com/MorvanZhou/PyTorch-Tutorial/blob/master/tutorial-contents/404_autoencoder.pyimporttorchimporttorchvisionimporttorch.ut
为伊消得77·2020-08-12 10:00

AutoEncoder的简介与使用pytorch建立(Stacked) AutoEncoder推荐系统

AE简单来说，之所以AutoEncoder适合做推荐系统，与BoltzmannMachine类似，其内部是一个系统，即若某一点出现变化，系统内所有点都会随之进行变动（更新）。
黄超然·2020-08-12 10:54

Pytorch学习笔记【14】：自编码（autoencoder）

一.什么是自编码自编码是什么呢？就是说假如我们需要训练的数据量非常大，那么神经网络的压力是很大的，所以我们可以将其压缩一下，再解压，通过对比解压之后的和原来的数据，反向传播去训练，训练好之后，我们再需要用到这批数据，就只需用压缩之后的数据即可，这样就大大减小了神经网络的训练压力，增加了训练效率。看下图就明白了：二.简单自编码模型实现（以手写数字数据集为例子）1.代码importtorchimpor
strong tyj·2020-08-12 10:27

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

Variational AutoEncoder_VAE基础：LVM、MAP、EM、MCMC、Variational Inference（VI）

Kingmaetal和Rezendeetal在2013年提出了变分自动编码器（VariationalAutoEncoders，VAEs）模型，仅仅三年的时间，VAEs就成为一种最流行的生成模型（Generativemodel），通过无监督的方式学习复杂的分布。VAE和GAN一样是一种学习生成模型学习框架，它由encoder和decoder两个部分组成，两个部分都可以由CNN、LSTM、DNN等网络
lqfarmer·2020-08-10 18:41

Variational Autoencoder: Basic Concept

Theneuralnetworkperspective传统的Autoencoder结构如下图：但是这种结构没法生成新数据，只能做数据压缩。怎么改进呢？
张小彬的代码人生·2020-08-09 04:46

样本不均时，如何处理(PU learning/OneClassSvm/AutoEncoder)

文章目录1-背景2-异常检测OneClassSvm3-PULearning3.0PUlearning的一些技巧3.1直接利用标准分类方法3.2PUbagging3.3两步法4-AutoEncoder5-
Great1414·2020-08-09 01:11

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

变分自编码VAE(variational autoencoder)及Keras 实现

在Keras中提供了一个VAE的Demo:variational_autoencoder.py为了输出网络形状，我将代码稍微改了一下，并注释了一些自己的理解
nuaa_bo·2020-08-08 22:23

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

Variational Autoencoder 变分自动编码器

一步一步实现一个VAE大部分来自KerasVAE的教程，不过没有使用mnist，而是用了cifar10的数据集最简单的两个全链接层的Autoencoder先贴个代码:#thisisthesizeofourencodedrepresentationsencoding_dim
lee813·2020-08-08 17:00

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

VAE (Variational Autoencoder)变分自动编码器笔记

VAE(VariationalAutoencoder)变分自动编码器笔记今天在论文《Off-PolicyDeepReinforcementLearningwithoutExploration》中的一部分看到了算法使用的VAE，也就是变分自动编码器。文章中给出的相关内容如下：变分自动编码器(VariationalAuto-Encoder,VAE)一个变分自动编码器（VAE）是一个以最大化边缘对数似然
BigNosefan·2020-08-08 15:19

深度学习（二十七）——RBM & DBN & Deep Autoencoder

VAE（续）正态分布？对于p(Z∣X)p(Z\midX)p(Z∣X)的分布，是不是必须选择正态分布？可以选择均匀分布吗？正态分布有两组独立的参数：均值和方差，而均匀分布只有一组。前面我们说，在VAE中，重构跟噪声是相互对抗的，重构误差跟噪声强度是两个相互对抗的指标，而在改变噪声强度时原则上需要有保持均值不变的能力，不然我们很难确定重构误差增大了，究竟是均值变化了（encoder的锅）还是方差变大了
antkillerfarm·2020-08-08 14:16

小白谈VAE（Variational Autoencoder）（变分自动编码器）

前两天组会，论文提到了VAE，导师一直问我VAE，还问我能不能推出来当时哑口无言下面总结一下VAE以及推倒。上面的是模型。这里先给出推导再解释参数。从后面来看，P(x)是decoder的可能性，当然要最大，这里的q是encoder一般选择正态分布。继续化简后面的是decoder的kl散度，>=0,所以它的lowerbound是前面这项。为了最大化likelyhood，q(z|x)和p没有关系，因此
codedrinker·2020-08-08 11:19

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

2020李宏毅学习笔记——42.Unsupervised learning Linear Methods下

reconstructionerror，最后利用svd求解方程，得到的U矩阵就是协方差矩阵的k个特征向量2.PCA和network之间的关系：由于w之间时互相正交的，CK,也就是说c可以表示成这两者的乘积，PCA由此呢，也可以看成是Autoencoder
是汤圆啊·2020-08-04 07:51

降噪自动编码器（Denoising Autoencoder)

起源：PCA、特征提取....随着一些奇怪的高维数据出现，比如图像、语音，传统的统计学-机器学习方法遇到了前所未有的挑战。数据维度过高，数据单调,噪声分布广，传统方法的“数值游戏”很难奏效。数据挖掘？已然挖不出有用的东西。为了解决高维度的问题，出现的线性学习的PCA降维方法，PCA的数学理论确实无懈可击，但是却只对线性数据效果比较好。于是，寻求简单的、自动的、智能的特征提取方法仍然是机器学习的研究
weixin_34306446·2020-08-04 05:08

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

【DL笔记】AutoEncoder详解（一）

前言AutoEncoder是深度学习的另外一个重要内容，并且非常有意思，神经网络通过大量数据集，进行end-to-end的训练，不断提高其准确率，而AutoEncoder通过设计encode和decode
roguesir·2020-08-04 00:36

[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？
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

稀疏自动编码（Sparse Autoencoder）

在之前的博文中，我总结了神经网络的大致结构，以及算法的求解过程，其中我们提高神经网络主要分为监督型和非监督型，在这篇博文我总结下一种比较实用的非监督神经网络——稀疏自编码（SparseAutoencoder）。1.简介上图是稀疏自编码的一般结构，最大的特点是输入层结点数（不包括bias结点）和输出层结点数相同，而隐藏层结点个数少于输入层和输出层结点的个数。该模型的目的是学习得到的函数，然后得到原始
Danieljf24·2020-08-03 12:13
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他