李宏毅2020机器学习 【学习笔记】 P58 Unsupervised Learning:Deep Auto-Encoder

目录

最初的想法

Starting from PCA 

Deep Auto-Encoder

Auto-Encoder Application

Similar Image Search 相似图片查找(以图搜图)

Pre-training DNN

De-noising auto-encoder

Auto-encoder for CNN

Unpooling

Deconvolution


感谢B站up主搬运的课程:

【李宏毅2020机器学习深度学习(完整版)国语】 https://www.bilibili.com/video/BV1JE411g7XF/?share_source=copy_web&vd_source=262e561fe1b31fc2fea4d09d310b466d


最初的想法

想要做一个 Encoder ,让输入成为 code 编码

但是,我们手上只有 input 的数据,没有人告诉你 code 应该长什么样,那怎么让 NN Encoder 学习呢?

做法是:后续接一个 Decoder ,让整个 Encoder-Decoder 一起 Learn

Starting from PCA 

我们从 PCA 的想法看起,模型思路如下

其中 hidden layer 的 output 就是我们要的编码

Deep Auto-Encoder

像上面 PCA 的想法中间只有一层,那么自然地, hidden layer 也可以是多层

而且使用了神经网络之后,数据可以非线性地降维

Auto-Encoder Application

Similar Image Search 相似图片查找(以图搜图)

这样做的结果会比以像素来搜索的结果更好

Pre-training DNN

对 DNN 的参数进行预训练,做法是如图中一层一层地使用 Encoder-Decoder ,训练一层就固定一层

最后一层的参数 W^4 就随机初始化即可,接着就按照 NN 的 backpropagation 进行训练(这里一般称之为 fine-tune 微调,因为前面那样训练出的参数一般都已经是很好的了)

De-noising auto-encoder

加入一些噪声,训练其抗噪声能力

Auto-encoder for CNN

Unpooling

反池化,有多种做法,可以补零,可以复制值……

Deconvolution

反卷积,其实还是卷积(在 padding 填充0之后的卷积)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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