autoencoder 第5页

基于深度极限学习机DELM的分类

自动编码器AE（AutoEncoder）经过训练可以将输入复制到输出。因为不需要标

智能算法研学社（Jack旭）·2022-12-01 19:14

Autoencoder-based Zeroth Order Optimization Method for Attacking Black-box Neural Networks

AutoZOOM:Autoencoder-basedZerothOrderOptimizationMethodforAttackingBlack-boxNeuralNetworksAbstract最近的研究表明

ywq9696·2022-12-01 12:08

AutoZOOM: Autoencoder-based Zeroth Order Optimization Method for Attacking Black-box Neural Networks

AutoZOOM:Autoencoder-basedZerothOrderOptimizationMethodforAttackingBlack-boxNeuralNetworksAbstract最近的研究表明

hunt_chen·2022-12-01 11:34

深度学习系列27：VAE生成模型

1.AEAE（Autoencoder），自动编码器。

IE06·2022-11-30 13:35

深度学习（三——生成模型 Generative Model）

包括：自动编码器（Autoencoder）、变分自动编码器（VariationalAutoEncoder,VAE）.1.自动编码器初始自动编码器作为一种数据压缩方法，特点：只能压缩与训练数据相似的数据；

Lethe♪·2022-11-30 13:35

keras example

ActivationFunctionreuters_mlp_relu_vs_selu.pyMLPmnist_mlp.pyreuters_mlp.pyCNNmnist_cnn.pyAEmnist_denoising_autoencoder.pyvariational_autoencoder.pyRNNimdb_lstm.pylstm_seq2seq.pycnn_seq2seq.pyimdb

数学工具构造器·2022-11-30 12:47

神经网络（neural network）的应用——自编码器（Autoencoder）

神经网络（neuralnetwork）的应用——自编码器（Autoencoder）1.自编码器简介自编码器（Autoencoder，AE），是一种利用反向传播算法使得输出值等于输入值的神经网络，它先将输入压缩成潜在空间表征

NYAIoT·2022-11-30 07:28

自编码器/autoencoder

基本原理请看入门级的AE和VAE源代码：pytorch实现mnist生成，loss=重构+KL另一份关于VAE进行图像生成+图像定位/分割的源代码：[tensorflow,MNIST,有对各个步骤的详细介绍]—ORSPaired-Comparisons_19-20/VAE_localization.ipynb半小时理解变分自编码器（1、对变分自编码器为什么在隐空间要进行概率分布约束（正则化）进行了

xys430381_1·2022-11-30 07:58

自编码器（AutoEncoder）

信息量本身是固有属性，我们如何通过合理的记忆方法或抽取方法去获取我们所在意的那部分有价值的信息？在信息冗余的这个时代，我们通过算法来简化信息量以便能合理分析解决问题------降维。自编码器本身其实就是在做降维这件事，我们通过降维来获取对信息的偏好。自编码器的理解本身算比较简单，以图像处理为例。当我们有一堆含有噪声的手写数字作为输入，然后乘上权重矩阵，得到编码矩阵C,这就是encoder了。此过程

AlphaU·2022-11-30 06:56

自编码器微调_自编码(AutoEncoder)模型及几种扩展之三——SDAE

5、SDAE模型SDAE（stackeddenoisedautoencoder，堆栈去噪自编码器）是vincent大神提出的无监督的神经网络模型，论文：StackedDenoisingAutoencoders:LearningUsefulRepresentationsinaDeepNetworkwithaLocalDenoisingCriterion，原文作者从不同角度解释了模型架构设计理念，非常

weixin_39790738·2022-11-30 06:55

【无监督】自编码器（Autoencoder）

引言当你在看论文的时候，经常会遇到编码器、解码器、自编码器（Autoencoder）这些字眼，它们到底是干什么的呢？其主要作用又是什么呢？

商在兴·2022-11-30 06:24

【Pytorch教程】：自编码 (Autoencoder)

激励函数关系拟合（回归）区分类型(分类)快速搭建法批训练加速神经网络训练Optimizer优化器卷积神经网络CNN卷积神经网络（RNN、LSTM）RNN循环神经网络(分类)RNN循环神经网络(回归)自编码(Autoencoder

_APTX4869·2022-11-30 06:50

深度学习--自编码器（AutoEncoder）

自编码器：自编码器是用于无监督学习，高效编码的神经网络，自动编码器的目的就在于，学习一组数据的编码，通常用于数据的降维，自编码是一种无监督的算法，网络分为：输入层，隐藏层（编码层），解码层，该网络的目的在于重构输入，使其隐藏层的数据表示更加好，利用了反向传播，将输入值和目标值设置一样，就可以不断的进行迭代训练。自编码的学习目标就在于使h(x)≈x，自编码是属于神经网络一类的，但是他和PCA也紧密相

AI-孟菜菜·2022-11-30 06:16

四种类型自编码器AutoEncoder理解及代码实现

自编码器（AE）自编码器的结构和思想结构自编码器是一种无监督的数据压缩和数据特征表达方法。自编码器是神经网络的一种，经过训练后的能尝试将输入复制到输出。自编码器由编码器和解码器组成。如下图所示：自编码器指的是试图让输入和输出一样的神经网络。它们通过将输入压缩成一个隐藏空间表示来进行工作。然后通过这种表示来重构输出。编码器：自编码器的前半部分，功能在于把输入变成一个隐藏的卡空间表示。可以用一个编码器

big_matster·2022-11-30 06:14

关于 PCB AOI AVI 算法可行性调研

A.属性:1.顺序性2.形色特征3.正样本4.负样本没有,从正样本生成构建B.方法one-class-net2.outlier/noveltydetection3.Autoencoder无监督异常检测4

听海拉拉·2022-11-29 16:28

Turbo Autoencoder: Deep learning based channel code for point-to-point communication channels

TurboAutoencoder:Deeplearningbasedchannelcodeforpoint-to-pointcommunicationchannelsAbstract1.介绍2.问题形成3.TruboAE:结构设计和训练3.1TurboAE的设计3.2基于直通估计器的TurboAE二值化设计3.3神经可训练性设计4.实验结果4.1TurboAE的块长编码增益4.2非AWGN信道上的

attacking tiger·2022-11-29 13:13

自编码器AutoEncoder之MNIST数据降维

importtensorflow.compat.v1astfimporttensorflowastf2tf.disable_v2_behavior()importnumpyasnpimportmatplotlib.pyplotaspltfromtensorflow.keras.datasetsimportmnistfrommpl_toolkits.mplot3dimportAxes3Dfromma

安達と島村·2022-11-29 09:39

【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

weixin_33875564·2022-11-29 09:38

降维系列之 AutoEncoder 自动编码器

AutoEncoder简单很多，简写一下。

BigYouYou·2022-11-29 09:05

【Keras入门】1.4用于降维的自编码器Autoencoder与PCA

0.1用于降维的主成分分析法（PCA）0.2用于降维的自编码器（Autoencoder）1.加载数据，并将28×28的图片Reshape成784维的向量fromkeras.datasetsimportmnist

废物药浪学代码·2022-11-29 09:03

autoencoder自编码器原理以及在mnist数据集上的实现

Autoencoder是常见的一种非监督学习的神经网络。

Cy_coding·2022-11-29 09:31

自编码器（AutoEncoder）对数据的降维和去噪及与PCA之间的联系

PCA（主成分分析）原理简介PCA将复杂事情简单化，通过降维映射和线性变换来寻找一个“方差最大”、“误差最小”变量来表征数据特征。PCA利用降维的思想，把多指标转化为少数几个综合指标。PCA是一种简化数据集的技术，它是一个线性变换，这个变换把数据变换到一个新的坐标系统中。主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征，往往能够保留住数据的最重要方面的特征。但是如果数据是非

来包番茄沙司·2022-11-29 09:00

神经网络模型有什么用,神经网络模型有哪几种

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·2022-11-28 14:14

通俗易懂——VAE变分自编码器原理

自编码器（Autoencoder）：Autoencoder=Encoder+Decoder希望输入（原始数据）和输出（重建数据）尽可能一样。

BarbaraChow·2022-11-28 13:22

带你看懂变分自编码(VAE)

编码器（AutoEncoder,AE）是一类神经网络，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。

整得咔咔响·2022-11-28 13:52

变分自动编码器（VAE variational autoencoder）

文章目录自动编码器AutoEncoder变分推断VariationalInference变分自动编码器VariationalAutoEncoder条件变分自动编码器ConditionalVariationalAutoEncoder

BubbleCodes·2022-11-28 13:46

讲解变分自编码器-VAE（附代码）

2.2VAE推导2.2.1KL散度2.2.2变分推断2.2.3推导过程2.2.4推导结果3.代码实现3.1.1VAE.py3.1.2main.py4.参考资料1.从AE谈起说到编码器这块，不可避免地要讲起AE（AutoEncoder

m0_58547949·2022-11-28 13:14

General Partial Label Learning via Dual Bipartite Graph Autoencoder

基于双二部图自动编码器的一般部分标签学习摘要：我们提出了一个实际而又具有挑战性的问题：广义部分标记学习（GPLL）。与传统的部分标签学习（PLL）问题相比，GPLL将监督假设从实例级（标签集部分标记实例）放宽到组级：1）标签集部分标记一组实例，其中组内实例标签链接注释缺失，和2）允许跨组链接-组中的实例可能部分链接到另一个组中的标签集。这种模棱两可的组级监控在现实场景中更为实用，因为不再需要实例级

奋斗的ran雪·2022-11-28 13:33

AutoEncoder是什么？

AutoEncoder(AE)自编码器1概述AE是一种无监督学习模型，不需要带标签的数据AE包含两部分，Encoder编码器和Decoder解码器；模型架构如下图所示：如上图所示：输入X经过编码器，生成潜在向量

没有安全感的鸵鸟·2022-11-27 15:54

2021 CIKM |GF-VAE: A Flow-based Variational Autoencoder for Molecule Generation

2021CIKM|GF-VAE:AFlow-basedVariationalAutoencoderforMoleculeGenerationPaper:https://dl.acm.org/doi/epdf/10.1145/3459637.3482260Code:https://github.com/chshm/GF-VAEGF-VAE:一种基于流的分子生成变分自动编码器分子生成是具挑战性但具有意

发呆的比目鱼·2022-11-27 10:02

时间序列神经网络建模,时间序列卷积神经网络

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·2022-11-27 00:03

Deep Spatio-Temporal Representation for Detection of Road Accidents Using Stacked Autoencoder

文章目录基于栈式自编码器的道路交通事故深度时空表征-一种时空无监督的事故检测方法1论文方法概述2STVVs和SDAE2.1STVVs（Spatio-TemporalVideoVolumn:时空视频体）2.2SDAE（StackedDenoisingAutoencoder：堆叠去噪自编码器）3无监督事故检测思路4论文主体模型框架5实验结果分析6创新点与不足基于栈式自编码器的道路交通事故深度时空表征-

wfl6666·2022-11-26 22:50

【Pytorch教程】：卷积神经网络 CNN

激励函数关系拟合（回归）区分类型(分类)快速搭建法批训练加速神经网络训练Optimizer优化器卷积神经网络CNN卷积神经网络（RNN、LSTM）RNN循环神经网络(分类)RNN循环神经网络(回归)自编码(Autoencoder

_APTX4869·2022-11-26 20:01

自编码器网络

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

猪猪的菜牙·2022-11-26 14:55

李宏毅机器学习2022春季-第八课和HW8

第八课主要内容是Autoencoder和AnomalyDetection。

机器学习手艺人·2022-11-26 10:46

Pytorch中的转置卷积 nn.ConvTranspose2d

最近探索AutoEncoder，在解码器中要用到转置卷积，涉及到了编码，发现pytorch的实际操作以及参数设置上并没有那么简单，因此写下本文记录一下。

MrRoose·2022-11-26 01:35

谈谈Pytorch中的转置卷积 nn.ConvTranspose2d

最近探索AutoEncoder，在解码器中要用到转置卷积，涉及到了编码，发现pytorch的实际操作以及参数设置上并没有那么简单，因此写下本文记录一下。

我是大黄同学呀·2022-11-26 01:32

Memorizing Normality to Detect Anomaly: Memory-augmented Deep Autoencoder for Unsupervised Anomaly D

参考Memory-augmentedDeepAutoencoderforUnsupervisedAnomalyD-云+社区-腾讯云摘要深度自编码在异常检测中得到了广泛的应用。通过对正常数据的训练，期望自编码器对异常输入产生比正常输入更高的重构误差，以此作为识别异常的判据。然而，这一假设在实践中并不总是成立。有人观察到，有时自动编码器“概括”得很好，也能很好地重建异常，导致异常的漏检。为了减轻基于自

Wanderer001·2022-11-24 22:14

（pytorch进阶之路）Masked AutoEncoder论文及实现

文章目录1.导读2.论文地址3.代码实现思路3.1预处理阶段3.2Encoder3.3Decoder3.4finetuning3.5linearprobing3.6evaluation4.代码地址5.如何实现MAE5.1model_mae.py5.1.1init函数5.1.2initialize_weights函数5.1.3_init_weight函数5.1.4patchify/unpatchif

likeGhee·2022-11-24 22:09

VAE生成模型（附VAE实现mnist代码）

AutoEncoder包括编码器(Encoder)和解码器(Decoder)两部分。Encoder过程是将原先的数据（常用于图像方向）压缩为低维向量；Decoder则是把低

其实也很简单·2022-11-24 20:49

从零点五开始的深度学习笔记——VAE(Variational AutoEncoder) （三）VAE的简单实现

VAE的简单实现学习笔记链接1.预备知识1.1关于采样1.1.1蒙特卡罗模拟1.1.2重要性采样1.2VAE模型的假设1.2.1关于采样1.2.2编码器p(z∣x)p(z|x)p(z∣x)部分1.2.3隐变量q(z)q(z)q(z)部分1.2.4解码器q(x∣z)q(x|z)q(x∣z)部分1.2.5小结2.VAE的实现2.1重参数化2.2以MNIST手写数字图片为例2.2.1MNIST数据下载2

无始之始·2022-11-24 20:16

从零点五开始的深度学习笔记——VAE(Variational AutoEncoder) （二）概率角度理解VAE结构

概率角度理解VAE结构1.从联合概率分布构造的损失函数开始的一切1.1定义1.2推导过程1.3损失函数的理解2.总结1.从联合概率分布构造的损失函数开始的一切一个优秀的生成网络应该是怎么样的？这个生成网络在训练过程中，对编码器的要求应该是能够将输入xxx编码为一对一的隐变量zzz而不应该是多个xxx对应着同一个zzz。另外，在应用场景下的生成过程中，输入了一个处于训练集中隐变量中间位置的新的隐变量

无始之始·2022-11-24 20:46

Dual Contrastive Prediction for Incomplete Multi-view Representation Learning个人学习2

目的：解决不完全多视图表示学习中的两个问题1）如何学习统一不同视图的一致表示（Autoencoder网络实现）2）如何恢复丢失的视图（Prediction网络实现）具体做法：两种网络，四个损失函数网络：

double_yellow·2022-11-24 18:49

【自监督算法】自编码器（autoencoder, AE）

十分建议先读keras文档看完之后感觉好像普通的自编码器好像没啥用啊？使用自编码器做数据压缩，性能并不怎么样…… 做逐层预训练训练深度网络吧，现在好的初始化策略、BatchNormalization、残差连接啥的都很有效了…… 那自编码器岂不是只有数据去噪、为进行可视化而降维这两个可应用的点了！配合适当的维度和稀疏约束，自编码器可以学习到比PCA等技术更有意思的数据投影。当然了，变分自编码器

褚骏逸·2022-11-24 09:47

深度学习的学习与实践（1）：从AE，VAE，到AAE

前置知识：自编码器入门前段时间在改论文的过程中，审稿人给出了关于使用对抗自编码器算法的建议——2020.2以上算是序自编码器（autoencoder）是一种无监督学习神经网络基本定义本质上来说，自编码器是一种所谓

container_body·2022-11-24 07:49

AE& VAE 代码和结果记录

AutoEncoder在MNIST上记录直接上代码importosos.chdir(os.path.dirname(__file__))importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionfromtorchvisionimporttransformsfromtorchvision.utilsimport

FrankJingle·2022-11-24 07:06

分类预测 | MATLAB实现DELM深度极限学习机多特征分类预测

深度极限学习机多特征分类预测目录分类预测|MATLAB实现DELM深度极限学习机多特征分类预测效果一览基本介绍模型描述程序设计参考资料效果一览基本介绍MATLAB实现DELM深度极限学习机多特征分类预测模型描述自动编码器AE（AutoEncoder

机器学习之心·2022-11-23 17:40

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

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

推荐频道

autoencoder