文章 "神经网络变得轻松（第二十部分）：自动编码器"

新评论
 

新文章 神经网络变得轻松（第二十部分）：自动编码器已发布：

我们继续研究无监督学习算法。 一些读者可能对最近发表的与神经网络主题的相关性有疑问。 在这篇新文章中，我们回到了对神经网络的研究。

一般情况下，自动编码器是由两个编码器和解码器模块组成的神经网络。 编码器源数据层和解码器结果层包含相同数量的元素。 它们之间有一个隐藏层，通常比源数据小。 在学习过程中，这一层的神经元形成一种潜在（隐藏）状态，能以压缩形式描述源数据。


这类似于我们采用主成分分析方法解决的数据压缩问题。 不过，稍后我们讨论的方法中会存在一些差异。

如上所述，自动编码器是一种神经网络。 它通过反向传播方法进行训练。 诀窍在于，因为我们用的是未标记的数据，所以我们首先训练模型，再用编码器将数据压缩到潜在状态的大小。 然后，在解码器中，模型在数据恢复到原始状态时信息损失将会最小。

作者：Dmitriy Gizlyk

 
这很简单，只是各部分已经有 20 个部分）。
 
Vasiliy Smirnov #:
它很简单，但已经有 20 个部分）。

我试图展示不同的方法和不同的使用方式。
而 "它很简单 "这个名字则是为了强调这项技术对每个想使用它的人来说都是无障碍的。

 
嗨，德米特里，你能帮我设置和运行这个 EA 吗？
新评论