机器学习与深度学习系列连载： 第一部分 机器学习（十六）非监督度学习-3 Unsupervised Learning-3（Auto-Encoder）

最新推荐文章于 2024-06-29 22:51:21 发布
最新推荐文章于 2024-06-29 22:51:21 发布
阅读量375 收藏 2
点赞数
分类专栏： 机器学习 神经网络 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dukuku5038/article/details/82949642
版权

Auto-Encoder

Auto-Encoder 原理很简单，但是应用范围很广，本节重点讨论它的应用。
我们从PCA开始：
在这里插入图片描述
当然中间的影藏层可以很深：
在这里插入图片描述
我们的图像效果：
在这里插入图片描述
在这里插入图片描述
当然，Auto-Encoder 并不是图像处理的专利，而且也可以处理文本。
在这里插入图片描述
在图形处理CNN中的应用（CNN以后会重点讲解）
在这里插入图片描述

本专栏图片、公式很多来自台湾大学李弘毅老师、斯坦福大学cs229，斯坦福大学cs231n 、斯坦福大学cs224n课程。在这里，感谢这些经典课程，向他们致敬！

人工智能插班生
关注
专栏目录
机器学习、深度学习、强化学习、规则学习（笔记）
qq_55905518的博客
03-29 1069
智能体可以使用不同的算法和技术来实现不同的任务。反向传播算法的优点是可以训练具有多个层次的神经网络，并且可以处理大量的非结构化数据，例如图像、语音和文本。它可以表示为从当前状态开始，智能体采取某个动作后，在未来的所有时间步中所能获得的期望奖励的总和。价值函数可以帮助智能体评估当前状态和动作的好坏，策略函数可以指导智能体选择最佳的动作。智能体可以使用不同的算法和技术来学习最优价值函数和策略函数，以实现最优决策。强化学习的主要思想：通过与环境的交互来学习最优策略，通过奖励和惩罚来调整策略，从而实现最优决策。
16、【李宏毅机器学习（2017）】Unsupervised Learning: Deep Auto-encoder（无监督学习：深度自动编码器）
Jimmyzqb的博客
08-29 4483
本篇博客将介绍无监督学习算法中的 Deep Auto-encoder。 目录 Deep Auto-encoder Deep Auto-encoder的降维作用 Auto-encoder – Text Retrieval Auto- encoder for CNN Auto-encoder – Pre-training DNN Decoder Deep Auto-encode...
机器学习-强化学习-深度学习
zashizhi3299的博客
11-14 1927
目的：使一个3关节（髋骨、膝盖、脚踝）小人学会沿直线走路。 方法：1、对于小人建模；2、使用3层人工神经网络训练小人走路；3、对于每次训练结果评估，奖惩神经网络调整权重。 演示了一个使用深度强化学习（deep deterministicpolicy Gradient，DDPG）算法控制仿人机器人运动的例子。采用Simscape多体系统对机器人进行了仿真™在训练过程中，控制策略是使用强化学习工具箱完成的。 在本视频中，概述Simulink®模型强化学习的设置、培训和评估。首先，他介绍了如何为强化学.
【机器学习】机器学习、深度学习、强化学习和迁移学习简介、相互对比、区别与联系。
最新发布
weixin_51306394的博客
06-29 1921
机器学习、深度学习、强化学习和迁移学习都是人工智能领域的子领域，它们之间有一定的联系和区别。下面分别对这四个概念进行解析，并给出相互对比、区别与联系以及应用场景案例分析。
机器学习，深度学习 ，强化学习
zhangyixing_mj的博客
07-14 1684
机器学习，深度学习，强化学习
机器学习、深度学习和强化学习
m0_62452236的博客
10-03 801
机器学习是一个非常宽泛的范围，其中包含的算法、模型和分支繁多庞大，在学习过程中更加注重的是对实际问题的解决方式，以解决问题的形式去对机器学习进行思考。但是传统的机器学习往往处理的数据规模太小，对于一些复杂的现实意义问题在解决过程中太过吃力和无法实现，随着技术的发展出现了深度学习技术是一个复杂的机器学习算法。因此深度学习的本质还是解决机器学习上的问题，只不过解决问题的方式复杂了，所有深度学习是机器学习的一个分支。
人工智能、机器学习、深度学习、强化学习、深度强化学习
a999999123的博客
08-17 1365
人工智能 （Artificial Intelligence）：人工智能研究的各个分支包括计划调度、专家系统、多智能体系统、进化计算、模糊逻辑、机器学习、知识表示、计算机视觉、自然语言处理、推荐系统、机器感知等等。 机器学习（Maching Learning）：是实现人工智能的一种手段 深度学习（Deep Learning）：是一种机器学习的技术。通过大量的数据训练，发现数据的规律，从而实现基于监督学习的数据预测，需要有监督的方式训练模型，训练的结果严重的依赖于标签的质量。 强化学习（Reinforcemen
机器学习 -- Unsupervised Learning: Deep Auto-encoder
01-30
Unsupervised Learning: Deep Auto-encoder Auto-encoder Deep Auto-encoder Auto-encoder – Text Retrieval Auto-encoder – Similar Image Search Auto-encoder for CNN CNN -Unpooling CNN - Deconvolution
2021李宏毅机器学习笔记--19 unsupervised learning--Deep Auto-encoder
guoxinxin0605的博客
08-14 363
2021李宏毅机器学习笔记--19 unsupervised learning--Deep Auto-encoder摘要一、Auto-encoder简介二、与PCA的联系三、Deep Auto-encoder四、应用4.1、Text Retrieval文本检索4.2、Similar Image Search相似图像搜索4.3、Pre-training DNN4.4、CNN as Encoder4.4.1、去池化层(Unpooling)4.4.2、去卷积层(Deconvolution)4.5、 Auto
李宏毅机器学习27—Unsupervised learning auto-encoder
weixin_57178683的博客
07-04 307
上节课讲了auto-encoder， Auto-encoder主要包含一个编码器（Encoder）和一个解码器（Decoder）。Encoder接收一张图像，输出一个vector，上节课中称他为code，也可以叫它Embedding、Latent Representation或Latent code，这个vector是关于输入图像的表示；然后将vector输入到Decoder中就可以得到重建后的图像，我们希望输出图像和输入图像越接近越好，这个方法叫做reconstruction error。 这节课更深入的
李宏毅机器学习Lecture 16 Unsupervised Learning - Auto-encoder 课程笔记
weixin_41112167的博客
09-21 860
李宏毅机器学习Lecture 16 Unsupervised Learning - Auto-encoder 课程笔记auto-encoderstarting from PCAdeep auto-encoder如何改变文本的样式插入链接与图片创建一个自定义列表如何创建一个注脚KaTeX数学公式 视频地址： https://www.youtube.com/watch?v=Tk5B4seA-AU 首先...
机器学习深度学习强化学习的关系
weixin_47690539的博客
08-28 4078
在入门机器学习时，由于其中的方法或者分类名称过于相似，常常理不清楚，此处对其进行细致直观地分类，以便推进后续学习
【机器学习】机器学习、深度学习、强化学习之间的关系
weixin_46564151的博客
03-05 1596
机器学习中一些概念的区分和理解
【机器学习、深度学习与强化学习】机器学习（1）---机器学习简介
从基础开始，注意细节，不要骄傲
04-16 619
一、前言中的前言 那么我们今天开始更机器学习、深度学习和强化学习，参考资料很多， 我先列一些我会用到的机器学习、深度学习的参考资料吧： 1.西瓜书——周志华《机器学习》 2.动手学深度学习——李沐 3.B站李沐视频或者斯坦福CS329P 4.youtube——李宏毅全套的公开课 5.李航——统计学习方法 6.吴恩达——机器学习基础 7.B站up shuhuai的白板推导系列 8.莫凡的python相关课程 9.斯坦福大学——data mining公开课相关书籍 10.我的一些大学课件
人工智能,机器学习,深度学习,强化学习的区别和简介
qq_40723205的博客
09-01 812
机器学习的算法分类 (1)监督式学习：为算法提供训练数据，数据中包含每个示例的“正确答案”；例如，一个检测信用卡欺诈的监督学习算法接受一组记录的交易作为输入，对于每笔交易，训练数据都将包含一个表明它是否存在欺诈的标记。 (2)无监督学习：该算法在训练数据中寻找结构，比如寻找哪些示例彼此类似，并将它们分组到各个集群中。 深度学习(Deep Learning)是一种机器学习的...
机器学习，深度学习，强化学习：【入门篇】机器学习基础概念梳理
m0_57075106的博客
04-18 1428
对机器学习研究内容陌生的同学可以看过来
机器学习、深度学习、强化学习、迁移学习的关联与区别
ttrr27的博客
02-14 5823
Hi，大家好，我是半亩花海。本文主要了解并初步探究机器学习、深度学习、强化学习、迁移学习的关系与区别，通过清晰直观的关系图展现出四种“学习”之间的关系。虽然这四种“学习”方法在理论和应用上存在着一定的区别，但它们之间也存在交叉和重叠，有时候也会结合使用来解决实际问题。
首发|机器学习未来十年：你需要把握的趋势和热点
AI科技大本营
10-31 5901
CSDN 出品的《2018-2019 中国人工智能产业路线图》V2.0 版即将重磅面世！ V1.0 版发布以来，我们有幸得到了诸多读者朋友及行业专家的鼎力支持，在此表示由衷感谢。此次 V2.0 版路线图将进行新一轮大升级，力求为读者呈现更全面的中国人工智能产业发展概况和趋势判断。 此文为深度技术分析系列稿件第 4 篇。（回顾：第 1、2、3 篇） 本文贡献者：刘铁岩、秦...
scikit-learn入门指南：机器学习实战
- "Unsupervised learning" 部分涉及聚类（如 K-Means、DBSCAN）和降维（如主成分分析 PCA）等无监督学习技术。 - "Model selection and evaluation" 介绍了如何选择合适的模型以及评估模型性能，包括交叉验证、网格...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值