auto-encoder
Auto-encoder使用神经网络进行降维。由于这里是无监督学习，因此encoder的训练过程需要采用decoder同时进行训练，如下图所示。这与PCA的过程类似，首先通过输入的图片，乘以矩阵W，得到降维后的数据，然后对于降维数据乘以前述矩阵的转置，可以得到预测的输出图片。
具体的做法如下图，而目前网络的对称性并不是必须的。同时，为了防止NN只是单纯记住输入的特征，可以在输入加上噪声，然后输出的目标是未加噪声的图片。
Auto-encoder的用处
由于Auto-encoder可以对于输入进行降维编码，所以可以对于不同的输入寻找相似度较高的，然后将其归为一类，用于判断分类的准确性或者可以用于图片、文档的归类等。
最低0.47元/天 解锁文章
4445
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
