iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 27
0

今天所討論的就是Deep learning中,最基本的非監督式網路 - AutoEncoder。AutoEncoder核心概念有兩個部分 Encoder(編碼器)及 Decoder(解碼器)。
https://ithelp.ithome.com.tw/upload/images/20201007/20130246KIufZGeZQF.png
https://hackernoon.com/u/juliendespois
Autoencoder 最原始的概念很簡單,就是丟入一筆 input data 經過類神經網路後也要得到跟 input data一模模一樣樣的 data。首先整個 Autoencoder 可以拆解成 Encoder 和 Decoder 兩個神經網路。Encoder 先吃進 input data,經過神經網路後壓縮成一個維度較小的向量 Z,接著,在將 Z 輸入 decoder中,將 Z 還原成原始大小。

Encoder

Encoder 可以將原始 data 可以壓縮成有意義的低維向量,也就表示 Autoencoder 有降維的功能,經過的 hidden layer 擁有非線性轉換的 activation fuction

Decoder

Decoder 要做的事情就是將 latent space 盡量地還原回去 input data,是一將低維空間的特徵向量轉換到高維空間中
https://ithelp.ithome.com.tw/upload/images/20201007/20130246D7EsM8IG0u.png
結論
Encoder 可被理解為將資料中最重要的抽象特徵萃取出來 。Decoder就是透過這些重要的抽象特徵回推出原始的資料樣態。
AutoEncoder的流程就是透過Enocder 將資料壓縮,或者可以看成投射到低維度的空間,最後利用 Decoder 將資料解碼到相同維度,並希望 input 資料與 output 資料要越相似越好。
https://ithelp.ithome.com.tw/upload/images/20201007/20130246CllWOyaTNd.png
https://blog.keras.io/building-autoencoders-in-keras.html
參考
https://medium.com/ai-academy-taiwan/what-are-autoencoders-175b474d74d1


上一篇
LSTM-預測股票( 二)
下一篇
GAN(生成對抗網路)
系列文
Tensorflow2.030
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言