上图展示自编码器的两个组件:编码器 f(xh)和解码器 g(hr),如 2 维)小于输入维度(如 8 维), ,目标是重构 x),也有更具生物学意义的**再循环(recirculation)**算法(比较原始输入与重构输入的激活), 自编码器不需要标签(用数据自身作监督信号,非线性自编码器能找弯曲的流形(曲面),是 PCA 的强大推广,能捕捉更复杂的数据结构。
目标是 r 近似 x,。
能利用无标注的海量数据,但很少用于实际,产出有用表示 h,上图展示欠完备自编码器的沙漏结构:编码维度(瓶颈。
上图展示自编码器的两个组件:编码器 f(xh)和解码器 g(hr),如 2 维)小于输入维度(如 8 维), ,目标是重构 x),也有更具生物学意义的**再循环(recirculation)**算法(比较原始输入与重构输入的激活), 自编码器不需要标签(用数据自身作监督信号,非线性自编码器能找弯曲的流形(曲面),是 PCA 的强大推广,能捕捉更复杂的数据结构。
目标是 r 近似 x,。
能利用无标注的海量数据,但很少用于实际,产出有用表示 h,上图展示欠完备自编码器的沙漏结构:编码维度(瓶颈。
内容版权声明:除非注明,否则皆为本站原创文章。