1.自编码器(keras+mnist)

介绍

在这里插入图片描述

  • 自编码器(autoencoder, AE)是一类在半监督学习和非监督学习中使用的人工神经网络(准确地来说自编码器是一个自监督的算法,并不是一个无监督算法),其核心的作用是能够学习到输入数据的深层表示。自编码器包含编码器(encoder)和解码器(decoder)两部分。
  • 自编码器的相关模型:收缩自编码器(undercomplete autoencoder)、正则自编码器(regularized autoencoder)和变分自编码器(Variational AutoEncoder, VAE),其中前两者是判别模型、后者是生成模型。降噪自编码器(Denoising Autoencoders,DAE)、栈式自编码器(Stacked Autoencoders,SAE)、 稀疏编码器
  • 应用:
    • 数据去噪:对训练数据增加噪声并训练自编码器使其能恢复原有。这些限制条件防止自编码器机械地将输入复制到输出,并强制它学习数据的高效表示。可以参考论
©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页