李宏毅-DeepLearning-2017-Unsupervised Learning:Deep Auto-encoder
Auto-encoder使用神經網絡進行降維。由於這裏是無監督學習，因此encoder的訓練過程需要採用decoder同時進行訓練，如下圖所示。這與PCA的過程類似，首先通過輸入的圖片，乘以矩陣W，得到降維後的數據，然後對於降維數據乘以前述矩陣的轉置，可以得到預測的輸出圖片。 auto-encoder就是比PCA多加了幾個Hidden layer 結果對比： auto-encoder的結果較好較清
相關文章
- 1. 【李宏毅】RNN
- 2. 李宏毅__ML_Notes_4.21
- 3. 李宏毅__ML_Notes_5.11
- 4. 【李宏毅】CNN
- 5. 李宏毅——GAN
- 6. 李宏毅——transformer
- 7. transformer---李宏毅
- 8. 李宏毅：Batch Normalization
- 9. 李宏毅：Pointer Network
- 10. 李宏毅：Activation Function
- 更多相關文章...
- • R 數據框 - R 語言教程
- • 錯誤處理 - RUST 教程
- • Docker容器實戰(一) - 封神Server端技術
- • Docker容器實戰(八) - 漫談 Kubernetes 的本質
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 【李宏毅】RNN
- 2. 李宏毅__ML_Notes_4.21
- 3. 李宏毅__ML_Notes_5.11
- 4. 【李宏毅】CNN
- 5. 李宏毅——GAN
- 6. 李宏毅——transformer
- 7. transformer---李宏毅
- 8. 李宏毅：Batch Normalization
- 9. 李宏毅：Pointer Network
- 10. 李宏毅：Activation Function