Обсуждение статьи "Нейросети — это просто (Часть 20): Автоэнкодеры"
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Нейросети — это просто (Часть 20): Автоэнкодеры:
Мы продолжаем изучение алгоритмов обучения без учителя. Возможно, у читателя может возникнуть вопрос об соответствии последних публикаций теме нейронных сетей. В новой статье мы возвращаемся к использованию нейронных сетей.
В общем случае Автоэнкодер представляет собой нейронную сеть, состоящую из 2-х блоков энкодера и декодера. Слой исходных данных энкодера и слой результатов декодера содержат одинаковое количество элементов. Между энкодером и декодером имеется скрытый слой, размер которого, обычно, меньше размера исходных данных. В процессе обучения нейронами данного слоя формируется латентное (скрытое) состояние, способное в сжатой форме описать исходные данные.
Напоминает задачу сжатия данных, которую мы решали с использованием метода главных компонент. Но о различие подходов мы поговорим чуть позже.
Как уже было сказано выше, автоэнкодер — это нейронная сеть и обучается уже известным нам методом обратного распространения ошибки. Фокус состоит в том, что так как мы используем не размеченные данные, то мы обучаем модель сначала сжать данные энкодером до размера латентного состояния. А затем в декодере восстанавливать данные до исходного состояния с минимальной потерей информации.
Автор: Dmitriy Gizlyk