Autoencoder

《纯干货-6》Stanford University 2017年最新《Tensorflow与深度学习实战》视频课程分享

该课程讲解了最新版本的Tensorflow中各种概念、操作和使用方法，并且给出了丰富的深度学习模型实战,涉及Word2vec、AutoEncoder、RNN（LSTM，GRU）、Seq2seqwithAttention
lqfarmer·2017-06-09 12:00

Deep Learning的学习实践 3 -- AutoEncoder

首先，讨论一下原始特征数据的处理，这就是传说中的“特征工程”（FeatureEngineering），很重要，但是书上不会写。我这里测试使用的是某运营商，做离网预测的数据。经过初步判断，从众多的特征数据中选取相关的147个特征做训练数据。原始数据类别很多，比如：近三个月漫游通话时长，近一个月主叫通话次数，近二个月拨打本网客服的次数，近一月长途通话费用，手机上网流量，手机价格，套餐类型等。这些特征的
Cloud_Architect·2017-06-07 18:02

UFLDL教程： Exercise: Sparse Autoencoder

自编码可以跟PCA一样，给特征属性降维一些matlab函数bsxfun: C=bsxfun(fun,A,B)表达的是两个数组A和B间元素的二值操作，fun是函数句柄或者m文件，或者是内嵌的函数。在实际使用过程中fun有很多选择比如说加，减等，前面需要使用符号’@’.一般情况下A和B需要尺寸大小相同，如果不相同的话，则只能有一个维度不同，同时A和B中在该维度处必须有一个的维度为1。比如说bsxfun
jiandanjinxin·2017-06-07 11:00

Variational AutoEncoder_变分自动编码器原理解析

在部分，详细讲解了与VAE有关的基础知识，涉及LVM、MAP、EM、MCMC、VariationalInference（VI），可以通过公众号往期内容查看。有了这些知识的铺垫，今天就为大家分析下VAE的原理。2.1VAE产生背景生成模型根据公式（11）对观测样本p（X）建模：其中，引入了一个参数O，参数化后的隐变量z来简化观测样本概率密度函数（PCB）p（X）的计算，这其中存在一个问题：如何定义一
lqfarmer·2017-06-07 09:19

<模型汇总-10> Variational AutoEncoder_变分自动编码器原理解析

在部分，详细讲解了与VAE有关的基础知识，涉及LVM、MAP、EM、MCMC、VariationalInference（VI），可以通过公众号往期内容查看。有了这些知识的铺垫，今天就为大家分析下VAE的原理。2.1VAE产生背景生成模型根据公式（11）对观测样本p（X）建模：其中，引入了一个参数O，参数化后的隐变量z来简化观测样本概率密度函数（PCB）p（X）的计算，这其中存在一个问题：如何定义一
lqfarmer·2017-06-07 09:00

<模型汇总-9> 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·2017-06-04 21:00

变分自编码器（Variational Autoencoder）

最近想了解一下生成模型（generativemodel），这两三天看了很多关于变分自编码器（VariationalAutoencoder）的资料，发现VAE实现起来比较简单，但是因为没什么概率图模型的基础，对于它的理论感觉理解起来很费力，所以开始在空闲的时候看Coursera上面那门Koller的概率图模型的公开课个人觉得VariationalAutoencoder比较有用的资料：1.Oliver
记忆力衰退来写博客的李同学·2017-05-29 10:42

变分自编码器（Variational Autoencoder）

最近想了解一下生成模型（generativemodel），这两三天看了很多关于变分自编码器（VariationalAutoencoder）的资料，发现VAE实现起来比较简单，但是因为没什么概率图模型的基础，对于它的理论感觉理解起来很费力，所以开始在空闲的时候看Coursera上面那门Koller的概率图模型的公开课个人觉得VariationalAutoencoder比较有用的资料：1.Oliver
记忆力衰退来写博客的李同学·2017-05-29 10:42

使用CNN+ Auto-Encoder 实现无监督Sentence Embedding (代码基于Tensorflow)

本文完整的代码在这：autoencoder-sentence-similarity.py基本思路是，通过编码解码网络（有点类似微软之前提出的对偶学习），先对句子进行编码，然后进行解码，解码后的语句要和原来的句子尽可能的接近
祝威廉·2017-05-27 22:00

cnn

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（堆栈SAE，卷积CAE）的作者是
gloriazhang2013·2017-05-04 17:12

深度学习算法实践13---去噪自动编码机（Denosing Autoencoder）

在这一篇博文，我们将介绍稍微不同的神经网络架构，即被称为自动编码机（Autoencoder）。与前述我们所讨论的神经网络不同，自动编码器（Autoencoder）属于非监督学习，不需要对训练样本
dukai392·2017-04-21 16:34

无监督学习之RBM和AutoEncoder

BoltzmannMachineRestrictedBoltzmannMachineEvaluationInferenceTraining网络结构训练过程概率分布计算与GibbsSampling对比散度ContrastiveDivergence泛化实例AutoEncoder
Young_Gy·2017-04-19 16:56

tensorflow31《TensorFlow实战》笔记-04 TensorFlow实现自编码器及多层感知机 code

CUDAv8.0cudnn-8.0-windows10-x64-v5.1#filename:sz04.01.py#自编码器#https://github.com/tensorflow/models/blob/master/autoencoder
longji·2017-04-11 18:45

TensorFlow学习02-AutoEncoder和MLP

自编码器和多层感知机整个神经网络的流程：定义算法公式，也就是神经网络的forward时的计算定义loss，选定优化器，并指定优化器优化loss迭代地对数据进行训练在测试集或验证集上对准确率进行评测1.1自编码简介稀疏编码（SparseCoding）发现图像碎片可以由64种正交的边组合而成，音频也有基本结构线性组合。原本通过标注的数据，我们可以训练一个深层的神经网络，现在对于没有标注的数据，我们可以
阿面a·2017-04-09 11:02

TensorFlow上实现AutoEncoder自编码器

一、概述AutoEncoder大致是一个将数据的高维特征进行压缩降维编码，再经过相反的解码过程的一种学习方法。
marsjhao·2017-04-02 09:41

Keras上实现AutoEncoder自编码器

自编码器（AutoEncoder），即可以使用自身的高阶特征自我编码，自编码器其实也是一种神经网络，其输入
marsjhao·2017-03-31 19:59

Tensorflow实战3：实现去噪自编码器

1.自编码器的简介自编码器（AutoEncoder）是一种典型的无监督学习，即不需要对样本进行手工标注，就可对数据进行一定程度的学习。
Felaim·2017-03-28 14:42

TensorFlow 实现深度神经网络 —— Denoising Autoencoder

完整代码请见models/DenoisingAutoencoder.pyatmaster·tensorflow/models·GitHub；1.DenoisingAutoencoder类设计与构造函数简单起见，这里仅考虑一种单隐层的去噪自编码器结构；即整个网络拓扑结构为：输入层，单隐层，输出层；输入层⇒单隐层，可视为编码的过程，需要非线性的激励函数；单隐层⇒输出层，可视为解码的过程，也可称之为某种
Inside_Zhang·2017-03-26 19:50

tensorflow 实现基本AutoEncoder，降噪自编码器

Auto-Encoder(AE)是20世纪80年代晚期提出的，它是一种无监督学习算法，使用了反向传播算法，让目标值等于输入值。基本的AE可视为一个三层神经网络结构：一个输入层、一个隐藏层和一个输出层，其中输出层与输入层具有相同的规模。AE最初是作为一个降维手段来进行的，要是编码器那里没有使用非线性部分，那么就可以等价为PCA算法来使用。（初始的维数大于编码器输出的维数的时候）而现在编码器的输出维数
hwang4_12·2017-03-17 16:59

特征学习

为什么需要进行特征学习3无监督学习解决的问题4功能强大的特征学习1.关键词自我学习/自学习self-taughtlearning无监督特征学习unsupervisedfeaturelearning自编码器autoencoder
机器学习算法与Python学习-公众号·2017-02-21 14:12

自动编码器（Auto Encoder）

1.初识AutoEncoder1986年Rumelhart提出自动编码器的概念，并将其用于高维复杂数据处理，促进了神经网络的发展。
雪伦_·2016-12-08 14:32

降噪自动编码机（Denoising Autoencoder）

摘要dA的Theano实现Autoencoder原理dA原理自动编码机自动编码机首先将输入映射到隐层：其中s是非线性函数，例如sigmoid和tanh函数。这个过程可以被称为编码过程。
yybbxx·2016-10-15 17:36

自动编码器（Autoencoder）

Autoencoderautoencoder是一种无监督的学习算法，主要用于数据的降维或者特征的抽取，在深度学习中，autoencoder可用于在训练阶段开始前，确定权重矩阵W的初始值。
Joe-Han·2016-09-20 22:52

稀疏自动编码器 （Sparse Autoencoder）

摘要一个新的系列，来自于斯坦福德深度学习在线课程：http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial。本文梳理了该教程第一部分的内容，主要包括人工神经网络入门、反向传递算法、梯度检验与高级优化和自编码算法与稀疏性等要点。最后以课程作业作为总结和练习。前言斯坦福深度学习在线课程是AndrewNg编制的，该教程以深度学习中的重要
JY_0812·2016-09-16 16:40

深度学习算法实践13---去噪自动编码机（Denosing Autoencoder）

在这一篇博文，我们将介绍稍微不同的神经网络架构，即被称为自动编码机（Autoencoder）。与前述我们所讨论的神经网络不同，自动编码器（Autoencoder）属于非监督学习，不需要对训练样本
最老程序员闫涛·2016-08-31 17:29

深度学习算法实践13---去噪自动编码机（Denosing Autoencoder）

在这一篇博文，我们将介绍稍微不同的神经网络架构，即被称为自动编码机（Autoencoder）。与前述我们所讨论的神经网络不同，自动编码器（Autoencoder）属于非监督学习，不需要对训练样本
Yt7589·2016-08-31 17:00

深度学习算法实践10---卷积神经网络（CNN）原理

与此相对应的，在深度学习研究领域，最热门的是AutoEncoder、RBM、DBN等产生式网络架构，但是这些研究领域，虽然论文比较多，但是重量级应用还没有出现
最老程序员闫涛·2016-08-26 14:53

深度学习算法实践10---卷积神经网络（CNN）原理

与此相对应的，在深度学习研究领域，最热门的是AutoEncoder、RBM、DBN等产生式网络架构，但是这些研究领域，虽然论文比较多，但是重量级应用还没有出现
Yt7589·2016-08-26 14:00

Hidden layer--autoencoder

#隐藏层节点的特征提前能力##考虑一个三层全连接神经网络模型，(l_input,l_hidden,l_output)各层的节点数分别为n_input,n_hidden,n_output每一个隐藏层节点h_i的特征提取能力是与该节点h_i和上一层所有节点input_k(k=1,2,...,n)所对应的权重向量w_j相关的，往往是与w_j线性相关的输入x会显著激发h_i节点的函数值，因此输入向量x就是
huizhu·2016-07-19 22:16

为什么稀疏自编码器很少见到多层的？

的视频和资料也好，还是网上的资料和代码，以及书上的内容，我很少见到稀疏自编码器是多层的结构一般都是{N,m,N}的三层结构（一层是隐层，输入输出各一层）为什么很少见到例如{N,m,k,m,N}这种5层的结构的AutoEncoder
garfielder007·2016-07-10 00:16

Deep Learning（深度学习）之（三）Deep Learning的常用模型或者方法

九、DeepLearning的常用模型或者方法9.1、AutoEncoder自动编码器DeepLearning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，
等待破茧·2016-06-17 15:58

keras实现deepid：flatten中间层、merge多个层次、二维图像的处理、权重的保存与重用、Autoencoder

论文参考：SunY,WangX,TangX.Deeplearningfacerepresentationfrompredicting10,000classes[C]//ComputerVisionandPatternRecognition(CVPR),2014IEEEConferenceon.IEEE,2014:1891-1898.参考这个：https://github.com/stdcoutzy
mmc2015·2016-06-01 21:28

Sparse Autoencoder稀疏自动编码

本系列文章都是关于UFLDLTutorial的学习笔记NeuralNetworks对于一个有监督的学习问题，训练样本输入形式为(x(i),y(i))。使用神经网络我们可以找到一个复杂的非线性的假设h(x(i))可以拟合我们的数据y(i)。我们先观察一个神经元的机制：每个神经元是一个计算单元，输入为x1,x2,x3，输出为：其中f()是激活函数，常用的激活函数是S函数：S函数的形状如下，它有一个很好
zm714981790·2016-05-31 20:00

Autoencoder与RBM结合使用

AutoEncoder是多层神经网络，其中输入层和输出层表示相同的含义，具有相同的节点数。AutoEncode学习的是一个输入输出相同的“恒等函数”。
wtq1993·2016-05-26 20:00

Deep Learning学习 之 CNN代码解析（MATLAB）

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（堆栈SAE，卷积CAE
SuPhoebe·2016-05-16 21:31

深度学习读书笔记之AE（自动编码AutoEncoder）

深度学习读书笔记之AE声明：1）该博文是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应，而且大部分内容都是直接抄NG的源博客的，如果某部分不小心侵犯了大家的利益，还望海涵，并联系老衲删除或修改，直到相关人士满意为止。3）本人才疏学浅，整理总结的时候难免出错，还望各位前辈
GarfieldEr007·2016-05-08 12:00

UFLDL 09 自我学习 Self-Taught Learning Unsupervised Feature Learning

基本思路如下：1.大量的无标签数据导入自编码器（autoencoder），得到其更加本质的特征；2.有标签数据导入同一个编码器，用得到的特征和标签进行训练，（使用普通的训练方法比如svm等）得到模型；3
bea_tree·2016-05-05 09:00

UFLDL 笔记 05 自编码训练结果展示 Visualizing a Trained Autoencoder

上一节中已经学会训练稀疏的自编码器，这一节将展示它神秘的隐藏单元。还要再借上一节的图用下：这里我们假设输入是一个10*10的图片，也就是有100个输入单元。对于每个隐藏单元都会进行如下计算：a2i是隐藏单元的计算结果。每一个a2i都有100个输入，这里要求的就是什么样的输入的组合能够让该隐藏单元最兴奋。这里有100个输入也就是有100个未知数，如何求解的我们就暂且先放过，其最后的结果是对于第i个节
bea_tree·2016-04-23 09:00

稀疏自编码器一览表

下面是我们在推导sparseautoencoder时使用的符号一览表：符号含义训练样本的输入特征，.输出值/目标值.这里  可以是向量.在autoencoder中，.第  个训练样本输入为  时的假设输出
qq_25491201·2016-04-22 20:00

【UFLDL-exercise7-stacked autoencoder for digit classification】

代码在此出于节约时间的考虑，两个autoencoder训练的最大迭代次数都只设置了100次（原先是400次），结果看起来还可以:-)someunrelativewords:本来想昨天就完成
qiusuoxiaozi·2016-04-11 20:00

【原】KMeans与深度学习自编码AutoEncoder结合提高聚类效果

这几天在做用户画像，特征是用户的消费商品的消费金额，原始数据（部分）是这样的：1idgoods_namegoods_amount21男士手袋1882.032淑女装2491.042女士手袋345.054基础内衣328.065商务正装4985.075时尚969.085女饰品86.096专业运动399.0106童装（中大童)2033.0116男士配件38.0我们看到同一个id下面有不同的消费记录，这个数
Charlotte77·2016-04-08 10:00

caffe的Python API

1网络模型可视化可视化训练模型python~/caffe-master/python/draw_net.py~/caffe-master/examples/mnist/mnist_autoencoder.prototxtmnist_autoencoder.png
foolsnowman·2016-03-20 15:00

深度网络的预训练

1有限波尔兹曼机（RBM）2自动编码器(Autoencoder)2.1结构输入层神经元个数等于输出层神经元的个数。
奋斗啊哈·2016-03-10 14:34

深度网络的预训练

1有限波尔兹曼机（RBM）2自动编码器(Autoencoder)2.1结构输入层神经元个数等于输出层神经元的个数。
foolsnowman·2016-03-10 14:00

深度学习个人总结之四----自编码算法（AutoEncoder）

本篇文章主要参考了以下内容：1.http://blog.csdn.net/zouxy09/article/details/87755242.http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8BAutoEncoder是采用无监督学习方式进行训练学习的(如果不知道什么是无监督学习，请看这篇http://blog.csdn.ne
kevin_bobolkevin·2016-02-12 15:00

UFLDL教程之一 (Sparse Autoencoder练习)

反向传播计算可以参考http://tieba.baidu.com/p/3013551686前言斯坦福深度学习在线课程是AndrewNg编制的，该教程以深度学习中的重要概念为线索，基本勾勒出了深度学习的框架。为了简明扼要，该教程几乎省略了数学推导和证明过程。我写这个系列不追求概念的讲解，因为教程已经解释的很清楚了，我的目标是把教程所省略的一些关键的数学推导给出来。因为数学原理是深入理解算法模型所绕不
baobei0112·2016-02-05 15:00

AutoEncoder、RBM、DBM、DBN初探

转自牛人博客：http://blog.csdn.net/zouxy09/article/details/8775524AutoEncoder自动编码器       DeepLearning最简单的一种方法是利用人工神经网络的特点
u010025211·2016-01-21 11:00

UFLDL教程答案(1):Exercise:Sparse_Autoencoder

index.php/UFLDL%E6%95%99%E7%A8%8B练习网址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:Sparse_Autoencoder
u012816943·2015-12-12 09:00

稀疏自动编码器 （Sparse Autoencoder）

前言斯坦福深度学习在线课程是AndrewNg编制的，该教程以深度学习中的重要概念为线索，基本勾勒出了深度学习的框架。为了简明扼要，该教程几乎省略了数学推导和证明过程。我写这个系列不追求概念的讲解，因为教程已经解释的很清楚了，我的目标是把教程所省略的一些关键的数学推导给出来。因为数学原理是深入理解算法模型所绕不过去的，其次，几篇博客也是我的课程笔记，留作以后查阅使用。综上，如果您已经阅读了对应的教程
Lee的白板报·2015-12-08 22:00

Stanford UFLDL教程 Exercise:Sparse Autoencoder

Contents[hide]1DownloadRelatedReading2Sparseautoencoderimplementation2.1Step1:Generatetrainingset2.2Step2:Sparseautoencoderobjective2.3Step3:Gradientchecking2.4Step4:Trainthesparseautoencoder2.5Step5:
garfielder007·2015-12-05 18:14
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他