Autoencoders

Stacked Autoencoders学习笔记

上图是一个栈式自编码算法模型，属于无监督学习。栈式自编码神经网络是一个由多层自编码器组成的神经网络，其前一层自编码器的输出作为其后一层自编码器的输入。通过将重构的x与输入的x相减来计算误差。encoder部分从原始2000维特征降至50维（根据实际情况，自定义特征数），有三个隐层，每一层都是提取的高维特征，最后一层作为降维后的特征可用作分类和回归。decoder部分输出重构的x，通过调整encod
ls317842927·2020-06-24 09:24

用TensorFlow实现自编码器Autoencoders

1.简介自编码器是一种特殊的神经网络模型，它可以从无标签的训练集中训练得到，是一种无监督学习算法。它不仅可以用来降维，也可以作为一种生成模型，这表示此模型可以从输入数据中生成新的数据。本文中主要介绍不同类型的自编码器，并用TensorFlow进行实现。2.原理自编码器将原始的数据作为输入，然后将输入转化成有效的内部表现形式，输出数据看上去和输入是相似的。换句话说，为了生成新的数据来近似表示原始输入
CurryCoder·2020-06-22 20:50

类脑运算--脉冲神经网络（Spiking Neural Network）叙述

SpikingNeuralNetwork简述（一）传统神经网络包括现存的各种以perceptron为基本单元的拓扑变种，比如卷积神经网络系列（CNNs),循环神经网络系列（RNNs）,生成对抗网络（GANs），自编码器（Autoencoders
Yannan_Strath·2020-06-22 09:23

堆叠胶囊自编码器 Stacked Capsule Autoencoders

本文提出了堆栈式胶囊自编码器（SCAE），该编码器包含两个阶段。在第一阶段，部件胶囊自编码器（PCAE）将图像分割为组成部分，推断其姿态，并将每个图像像素重建为变换组件模板的像素混合。在第二阶段，目标胶囊自编码器（OCAE）尝试将发现的部件及其姿态安排在一个更小的目标集合中。这个目标集合对每个部件进行预测，从而解释每个部件的姿态。通过将它们的姿态——目标-观察者关系（OV）和相关的目标-部件关系（
rosefunR·2020-06-21 07:27

自编码学习

IsolationForesthttp://euler.stat.yale.edu/~tba3/stat665/lectures/lec17/notebook17.htmlhttps://blog.keras.io/building-autoencoders-in-keras.htmlcaglar
jiandanjinxin·2020-04-05 18:33

Learning Discourse-level Diversity for Neural Dialog Models using Conditional Variational Autoencoders

dialogcontextc:前k-1个utterances，conversationalfloor（1或0）,metafeatures(topic)latentvariablez:capturedistributionofvalidresponsesx:responseutterancey:linguisticfeatures(knowledge-guidedCVAE)p(z|c):priorn
yingtaomj·2020-02-26 21:26

变形自动编码器（Deforming Autoencoders）– 学习到解耦的表示形式

部分内容翻译自https://neurohive.io/en/computer-vision/deforming-autoencoders/因为本人水平有限，可能有不足之处
假装很坏的谦谦君·2020-02-10 18:37

机器学习英语词汇--5

activation激活值activationfunction激活函数additivenoise加性噪声autoencoder自编码器Autoencoders自编码算法averagefiringrate
der360_com·2019-12-31 03:07

漫谈概率 PCA 和变分自编码器

【嵌牛正文】：介绍主成分分析（PCA）和自编码器（AutoEncoders,AE）是无监督学习中的两种代表性方法
羽_71ba·2019-12-22 03:25

（概率）PCA和（变分）自编码器

1.介绍主成分分析(PCA)和自编码器(AutoEncoders,AE)是无监督学习中的两种代表性方法。
小木曾雪菜·2019-12-14 04:33

2019-07-06 Stacked Capsule Autoencoders 自我笔记记录（欢迎留言讨论）

用的SVHN与MNIST数据集，差评怀疑假设的合理性与有效性Abstract核心是开头两句：Anobjectcanbeseenasageometricallyorganizedsetofinterrelatedparts.Asystemthatmakesexplicituseofthesegeometricrelationshipstorecognizeobjectsshouldbenatural
yuerxiaoshui·2019-07-19 18:41

Stacked Capsule Autoencoders中英对照

ByAdamR.Kosiorek\SaraSabourx\YeeWhyeTehr\GeoffreyE.Hintonx原文链接：https://arxiv.org/abs/1906.06818Abstract摘要Anobjectcanbeseenasageometricallyorganizedsetofinterrelatedparts.Asystemthatmakesexplicituseoft
给梦想一点时间·2019-06-29 16:39

AutoEncoders变种

目录PCAV.S.Auto-EncodersDenoisingAutoEncodersDropoutAutoEncodersPCAV.S.Auto-Encodersdeepautoencoder由深度神经网络构成，因此降维效果丢失数据少左pca；右auto-encoderDenoisingAutoEncodersDropoutAutoEncoders训练阶段不依赖所有神经元的输入
咸鱼Chen·2019-06-23 16:00

AutoEncoders原理

目录Auto-EncodersHowtoTrain?Auto-EncodersHowtoTrain?
咸鱼Chen·2019-06-23 16:00

[CVPR 2019 论文笔记] Generalized Zero- and Few-Shot Learning via Aligned Variational Autoencoders

广义少样本学习之对齐VAE本文亮点：学习图像和语义共享的隐含空间，为未见类生成隐含特征。文章目录广义少样本学习之对齐VAE论文下载VAE变分自编码器模型CrossandDistributionAlignedVAE参考论文下载CVPR2019VAE变分自编码器变分自编码器是一种生成模型。它包含两部分，编码器和解码器。首先，编码器在样本xxx上学习一个样本特定的正态分布；然后，从这个正态分布中随机采样
一亩高粱·2019-06-03 14:23

读论文《Semi-Supervised Recursive Autoencoders for Predicting Sentiment Distributions》

读论文《Semi-SupervisedRecursiveAutoencodersforPredictingSentimentDistributions》文章主要介绍了使用递归自编码器做句子情感分类的方法。和之前的方法相比，本文的算法没有使用任何预设定的情感词汇和极性转换规则。并在moviereviews数据集上取得了SOTA的效果。当时主流的方法还是词袋模型，但词袋模型无法很好的句法信息，而一些改
Doit_·2019-03-28 22:57

【阅读笔记】Adversarially Regularized Autoencoders

AdversariallyRegularizedAutoencodersKimY,ZhangK,RushAM,etal.Adversariallyregularizedautoencoders[J].arXivpreprintarXiv:1706.04223,2017.GitHub:https://github.com/jakezhaojb/ARAEadversariallyregularized
SrdLaplaceGua·2019-02-26 14:09

β-TCVAE （Isolating Sources of Disentanglement in Variational Autoencoders）

论文：https://arxiv.org/pdf/1802.04942.pdf摘要：论文将ELBO(evidencelowerbound)分解成多项，用于调整隐变量之间的关系，提出β-TCVAE算法，是β-VAE的加强和替换版本，并且在训练中不增加任何超参数。论文进一步提出disentanglement的规则的无分类方法MIG(mutaulinformationgap)。介绍：论文主要做了四个贡献
奔跑的林小川·2018-09-14 18:19

非监督特征学习与深度学习（十三）---- 自动编码器

自动编码器（Autoencoders）注：本文大量参考旧版UFLDL中文翻译。迄今为止，已经讲了神经网络在有监督学习方面的的应用。在有监督学习中，训练样本是有标签的。现在假设有一组无标
冬之晓东·2018-07-14 23:48

深度置信网络(DBN)在Tensorflow中的实现以及它在MNIST中的应用实例

DeepLearningwithTensorFlowIBMCognitiveClassML0120ENModule5-Autoencoders使用DBN识别手写体传统的多层感知机或者神经网络的一个问题：
siucaan·2018-06-19 22:36

机器学习中相关英文专业术语

机器学习中相关英文专业术语NameInstructionsactivationfunction激活函数additivenoise加性噪声autoencoder自编码器Autoencoders自编码算法averagefiringrate
AnimateX·2018-05-16 11:14

Winner-Take-All Autoencoders （ 赢者通吃自编码器）

WTA-AE赢者通吃自编码器）AlirezaMakhzani,BrendanFrey2015NIPS论文地址：http://papers.nips.cc/paper/5783-winner-take-all-autoencoders.pdf
江户川柯壮·2018-05-10 16:50

mnist_autoencoders

importtensorflowastfimportnumpyasnpimportmatplotlib.pyplotaspltfromtensorflow.examples.tutorials.mnistimportinput_datadata_dir="mnist"mnist=input_data.read_data_sets(data_dir,one_hot=True)#hyperparame
clickyeah·2017-12-15 22:19

深度学习中的英文专有名词

activation激活值activationfunction激活函数additivenoise加性噪声autoencoder自编码器Autoencoders自编码算法averagefiringrate
Aimer_Chen·2017-12-08 20:25

Variational AutoEncoders(VAE)

针对GAN的改进GAN有两个缺陷：只能判断生成的图像是不是一个真的图像，但不知道生成的是什么的图像，很有可能生成一个看起来像是真实图像却没有意义的图片每次用来训练的noise向量都是随机的，无法产生一些特定的图片针对AutoEncoder的改进AutoEncoder并不是一个生成式的模型，它更多的只是一种能够记住输入特征的模型，再用特征向量来reconstruct输入。但是AutoEncoder更
ForeverZH0204·2017-11-27 16:32

机器学习专业名词中英文对照

AI人工智能专业词汇集部分转自百度文库可参考链接：机器之心otheractivation激活值activationfunction激活函数additivenoise加性噪声autoencoder自编码器Autoencoders
夏洛的网·2017-09-29 09:15

深度学习你需要了解的名词（中英文对照）

activation激活值activationfunction激活函数additivenoise加性噪声autoencoder自编码器Autoencoders自编码算法averagefiringrate
_VioletHan_·2017-09-25 10:16

UFLDL教程: Exercise:Learning color features with Sparse Autoencoders

LinearDecoders以三层的稀疏编码神经网络而言，在sparseautoencoder中的输出层满足下面的公式从公式中可以看出，a3的输出值是f函数的输出，而在普通的sparseautoencoder中f函数一般为sigmoid函数，所以其输出值的范围为(0,1)，所以可以知道a3的输出值范围也在0到1之间。另外我们知道，在稀疏模型中的输出层应该是尽量和输入层特征相同，也就是说a3=x1，
jiandanjinxin·2017-06-14 19:00

kl距离（散度）&l1范数区别

在深度学习中：http://deeplearning.stanford.edu/wiki/index.php/Autoencoders_an
Sun7_She·2016-08-24 16:16

deep learning tutorial(三)Stacked Denoising Autoencoders (SdA)

StackedAutoencoders1.前向传导     Denoisingautoencoders可以利用栈式结构来形成一个深层网络。这种结构每次只训练一个层，每个层都作为一个单独的Denoisingautoencoder来极小化它的重构误差。2.微调（fine-tuning）   当所有层都预训练完之后，我们通过极小化预测预测误差(predictionerror)来进行有监督学习。具体是在最
pmt123456·2016-04-23 16:00

UFLDL 笔记 04 自编码算法与稀疏性 Autoencoders and Sparsity

1自编码神经网络所谓自编码神经网络，就是如下图的神经网络简单来说，输入输出都尽量是同样的输入值，但是其中的隐含层要尽量的少其中不需要labels也就是无监督学习其中的意义是：将很多输入的特征，转化为很少的隐含层，然后这少量的隐含层还能转化为原来的样子，其中得到的隐含层是最重要的，他抓住了输入特征的本质，像这样简单的神经网络，其效果类似与主成分分析法得到的结果。2稀疏性上面说了隐含层节点很少，上图中
bea_tree·2016-04-19 23:00

Theano-Deep Learning Tutorials 笔记:Stacked Denoising Autoencoders (SdA)

 教程地址：http://www.deeplearning.net/tutorial/SdA.htmlTheStackedDenoisingAutoencoder(SdA)isanextensionofthestackedautoencoder[Bengio07]anditwasintroducedin[Vincent08].推荐先看这个UFLDL，讲得很详细：http://deeplearnin
u012816943·2016-01-14 09:00

Theano-Deep Learning Tutorials 笔记:Denoising Autoencoders (dA)

教程地址：http://www.deeplearning.net/tutorial/dA.html#autoencoders降噪的自编码器由[Vincent08]提出，首先先介绍自编码器。 
u012816943·2016-01-12 14:00

UFLDL教程答案(7):Exercise:Learning color features with Sparse Autoencoders

教程地址：http://deeplearning.stanford.edu/wiki/index.php/%E7%BA%BF%E6%80%A7%E8%A7%A3%E7%A0%81%E5%99%A8练习地址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:Learning_color_features_with_Sparse_Auto
u012816943·2015-12-23 21:00

jrae源码解析(一）

jare用java实现了论文《Semi-Supervised Recursive Autoencoders for Predicting Sentiment Distributions》中提出的算法——
·2015-11-13 11:20

Ubuntu14.04+CUDA6.5环境下神经网络工具包Deepnet配置

  Autoencoders 5.  Deep Boltzmann Machines
·2015-11-12 17:59

Autoencoders

Andrew Ng 组的Tutorial做的很浅显易懂啊，今天明白了Autoencoder。 其实，autoencoder做的就是降维，我觉得最让我眼睛一亮的地方是，用KL divergence(\ref{kl})做约束实现sparsity，相当于把$\rho$跟$\hat{\rho}$都看成是一种分布，统计的思想体现的很好，跟L1 norm有异曲同工之妙，而且，我感觉解析性应该比L1 norm
·2015-11-11 04:44

【DeepLearning】Exercise:Learning color features with Sparse Autoencoders

Exercise:Learning color features with Sparse Autoencoders 习题链接：Exercise:Learning color features with
·2015-11-07 11:35

【DeepLearning】UFLDL tutorial错误记录

（一）Autoencoders and Sparsity章节公式错误： s2 应为 s3。 意为从第2层（隐藏层）i节点到输出层j节点的误差加权和。
·2015-11-07 11:32

Deep learning：四十二(Denoise Autoencoder简单理解)

Denoise Autoencoder(简称dAE)，由Bengio在08年提出，见其文章Extracting and composing robust features with denoising autoencoders
·2015-10-27 11:05

[译] 深度学习，维度灾难 和 Autoencoders

NeilZhu，IDNot_GOD，UniversityAI创始人&ChiefScientist，致力于推进世界人工智能化进程。制定并实施UAI中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早的人工智能社团）,DLCenter（深度学习知识中心全球价值网络），AIgrowth（行业智库培训）等，为中国的人工智能人才
朱小虎XiaohuZhu·2015-08-27 14:11

基于theano的降噪自动编码器（Denoising Autoencoders--DA）

1.自动编码器自动编码器首先通过下面的映射，把输入 $x\in[0,1]^{d}$映射到一个隐层 $y\in[0,1]^{d^{'}}$（编码器）：$y=s(Wx+b)$其中$s$是非线性的函数，例如sigmoid.隐层表示$y$,即编码然后被映射回（通过解码器）一个重构的$z$,形状与输入$x$一样：$z=s(W^{'}y+b^{'})$这里 $W^{'}$不是表示$W$的转置。$z$应该看作在
90Zeng·2015-04-29 11:00

去噪自编码器_DeepLearning 0.1 documentation中文翻译

//deeplearning.net/tutorial/dA.htmlDeepLearning01documentation中文翻译DenoisingAutoencodersDA_去噪自编码器自编码器Autoencoders
u011335616·2015-03-31 17:00

UFLDL——Exercise: Stacked Autoencoders栈式自编码算法

实验要求可以参考deeplearning的tutorial，Exercise:Implementdeepnetworksfordigitclassification 。本实验仍然是对手写数字0-9的识别，相比于之前的模型变得更复杂，通过多层隐含层从原始特征中学习更能代表数据特点的特征，然后把学习到的新特征输入到softmax回归进行分类。实验中使用了更深的神经网络（更复杂），和我们的预期一样，最后
Daniel_djf·2014-12-14 17:00

Extracting and Composing Robust Features with Denoising Autoencoders(经典文章阅读)

一.文献名字和作者   ExtractingandComposingRobustFeatureswithDenoising Autoencoders, PascalVincent,HugoLarochelle
shengno1·2014-10-30 12:00

Stacked Autoencoders

      博文内容参照网页StackedAutoencoders，StackedAutocoders是栈式的自编码器（参考网页AutoencoderandSparsity和博文自编码与稀疏性），就是多层的自编码器，把前一层自编码器的输出（中间隐藏层）作为后一层自编码器的输入，其实就是把很多自编码器的编码部分叠加起来，然后再叠加对应自编码器的解码部分，这样就是一个含有多个隐含层的自编码器了。本博文
u012841335·2014-02-21 17:00

UFLDL学习笔记6（Linear Decoders with Autoencoders）

最近在学习UFLDLTutorial，这是一套关于无监督学习的教程。在此感觉AndrewNg做的真的是非常认真。下面把我的代码贴出来，方便大家学习调试。所有代码已经过matlab调试通过。LinearDecoderswithAutoencoders这一章是第一章SparseAutoencoder变化版。第一章的SparseAutoencoder两层都用的是sigmoid映射，那么输出一定在0-1之
richard2357·2014-01-19 15:00

UFLDL Tutorial_Linear Decoders with Autoencoders

LinearDecodersSparseAutoencoderRecapInthesparseautoencoder,wehad3layersofneurons:aninputlayer,ahiddenlayerandanoutputlayer.Inourpreviousdescriptionofautoencoders(andofneuralnetworks),everyneuroninthen
xulinshadow701·2013-12-12 20:00

【Deep Learning】1、AutoEncoder

DeepLearning第一战：完成：UFLDL教程稀疏自编码器-Exercise：SparseAutoencoderCode:学习到的稀疏参数W1：参考资料：UFLDL教程 稀疏自编码器Autoencoders
LiFeitengup·2013-08-07 14:00

【deep learning学习笔记】注释yusugomori的DA代码 --- dA.h

DA就是“Denoising Autoencoders”的缩写。继续给yusugomori做注释，边注释边学习。看了一些DA的材料，基本上都在前面“转载”了。
·2013-07-22 19:00
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他