«autoencoders» etiketlenmiş sorular

Google, Wikipedia, Google araştırmacısı ve daha fazlasını aradım, ancak Otomatik Kodlayıcıların kökenini bulamadım. Belki de yavaş yavaş gelişen bu kavramlardan biridir ve net bir başlangıç ​​noktasını izlemek imkansızdır, ancak yine de gelişimlerinin ana adımlarının bir tür özetini bulmak istiyorum. Autoencoders hakkında bölüm Ian Goodfellow, Yoshua Bengio ve Aaron COURVILLE Dibi …

14 neural-networks  autoencoders  history 

Bildiğim kadarıyla, hem oto-kodlayıcılar hem de t-SNE, doğrusal olmayan boyutsallık azalması için kullanılır. Aralarındaki farklar nelerdir ve neden birini diğerine karşı kullanmalıyım?

12 neural-networks  deep-learning  dimensionality-reduction  autoencoders  tsne 

Sinir ağına sahip bir otomatik kodlayıcı uygularken, çoğu insan aktivasyon fonksiyonu olarak sigmoid kullanacaktır. Bunun yerine ReLU kullanabilir miyiz? (ReLU'nun üst sınırda bir sınırı olmadığından, sigmoid kullanıldığında otomatik kodlayıcı için kısıtlanmış kriterlerin aksine, temel olarak giriş görüntüsünün 1'den büyük piksel olabileceği anlamına gelir).

11 machine-learning  neural-networks  deep-learning  autoencoders 

Bir VAE uyguluyorum ve basitleştirilmiş tek değişkenli gauss KL sapmasının çevrimiçi olarak iki farklı uygulamasını fark ettim. Uygun olarak, orijinal diverjans burada bir bir birim gaussian olduğunu varsayarsak, ve , bu İşte karışıklığım burada. Yukarıdaki uygulama ile birkaç belirsiz github depoları bulmuş olmama rağmen, daha yaygın olarak kullandığım şey:KLloss=log(σ2σ1)+σ21+(μ1−μ2)22σ22−12KLloss=log⁡(σ2σ1)+σ12+(μ1−μ2)22σ22−12 KL_{loss}=\log(\frac{\sigma_2}{\sigma_1})+\frac{\sigma_1^2+(\mu_1-\mu_2)^2}{2\sigma^2_2}-\frac{1}{2} …

10 inference  kullback-leibler  autoencoders  variational-bayes 

Otomatik kodlayıcı ağları normal sınıflandırıcı MLP ağlarından çok daha karmaşık görünmektedir. Lasagne kullanarak yapılan birkaç denemeden sonra , yeniden yapılandırılmış çıktıda elde ettiğim her şey, en iyi şekilde , giriş basamağının gerçekte ne olduğunu ayırt etmeden MNIST veritabanının tüm görüntülerinin bulanık bir ortalamasına benzeyen bir şeydir . Seçtiğim ağ yapısı …

9 machine-learning  neural-networks  dimensionality-reduction  unsupervised-learning  autoencoders 

CNN'de, evrişimsel katmanda özellik haritası üretmek için filtreleri öğreneceğiz. Otomatik kodlayıcıda, her katmanın tek gizli birimi filtre olarak kabul edilebilir. Bu iki ağda öğrenilen filtreler arasındaki fark nedir?

9 machine-learning  neural-networks  conv-neural-network  autoencoders