Discussão do artigo "Redes neurais de maneira fácil (Parte 20): autocodificadores"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Redes neurais de maneira fácil (Parte 20): autocodificadores foi publicado:
Continuamos a estudar algoritmos de aprendizado não supervisionado. Talvez você como o leitor possa ter dúvidas sobre se as publicações recentes se encaixam no tópico de redes neurais. Neste novo artigo, voltamos ao uso de redes neurais.
No caso geral, o autocodificador é uma rede neural composta por 2 blocos - codificador e decodificador. A camada de dados iniciais do codificador e a camada de resultado do decodificador contêm o mesmo número de elementos. Existe uma camada oculta entre o codificador e o decodificador que geralmente é menor que os dados iniciais. No processo de aprendizado, os neurônios dessa camada formam um estado latente (oculto) que pode descrever os dados iniciais de forma compactada.
Isso nos lembra do problema de compactação de dados que resolvemos usando o método do componente principal. Mas falaremos sobre a diferença de abordagens um pouco mais tarde.
Como mencionado acima, um autocodificador é uma rede neural e é treinado pelo método de retropropagação já conhecido por nós. O truque é que, como estamos usando dados não rotulados, treinamos o modelo para primeiro compactar os dados com o codificador até o tamanho do estado latente. E então no decodificador treinamos para restaurar os dados ao seu estado inicial com perda mínima de informações.
Autor: Dmitriy Gizlyk