iT邦幫忙

2023 iThome 鐵人賽

DAY 16
0
AI & Data

嘗試在AI世界闖蕩系列 第 16

Day 16 深度學習與主要的神經網路-6(自動編碼器)

  • 分享至 

  • xImage
  •  

自動編碼器概念、步驟

自動編碼器Autoencoder,簡稱AE

  • 一種非監督學習的演算法。
  • 透過重建輸入Reconstruct機制,將用於輸入的編碼器Encoder壓縮輸出的低維度隱藏特徵Latent Feature/Code,經過用於輸出的解碼器Decoder解碼,輸出一個與原來輸入數據特徵完全一樣數據的一種神經網路。
  • 步驟:
    ➊壓縮一個隱藏特徵:經過不斷的學習,會找出一個最能代表原始數據特徵的低維向量。
    ➋解壓縮成原來的輸入:Decoder將低維的隱藏特徵解壓縮成原來的特徵(真實特徵能力越強,decoder輸出結果就愈像原來的輸出數據)。
    ➌重建誤差的極小化Minimize Reconstruction Errors:輸出的數據特徵和原來輸入的數據特徵中間的差異,透過不斷修正網路內的參數,將重建誤差調整至最小。
  • 主要應用:推薦系統、異常偵測

生成對抗網路架構與特色

生成對抗網路Generative Adcersarial Network,簡稱GAN

  • 透過一組生成網路Generator與判別網路Discriminator(批判性資料),兩者之間不斷協作與對抗,產生新的高品質數據。
  • 一種非監督式學習方法。
  • 架構圖:https://ithelp.ithome.com.tw/upload/images/20230929/20163102GBPjXyspnz.jpg
  • 訓練步驟:
    ➊固定生成網路來訓練判別網路
    利用真實的資料與生成網路隨機產生的假資料一起輸入判別網路,不斷訓練它來判別真假貓,直到判別網路具備非常高的判別準確率。
    https://ithelp.ithome.com.tw/upload/images/20230929/20163102DpKxbxZyhK.jpg
    固定G,再訓練D架構圖
    ➋固定判別網路再訓練生成網路
    利用生成網路產生大量的假圖像給已經訓練好的判別網路來鑑別,判別網路會不斷找出瑕疵並回饋給生成網路,如此不斷訓練生成網路,直到生成網路能以假亂真,騙過鑑定。
    https://ithelp.ithome.com.tw/upload/images/20230929/20163102gSXPG4C8OI.jpg
    固定D,再訓練G的架構圖
  • 優點:①可以創造出大量品質優秀的標註資料,解決深度學習最大問題 ②可產生許多有創意的輸出
  • 應用:圖像的生成、語音的生成、文本的生成、資安偵測與對抗(不斷生成偽裝技術很好的病毒,訓練自身偵測能力與面對駭客偽裝的欺騙能力)、詐騙偵測與對抗(如同資安一樣,兩個網路相互抗衡以提高安全性)

參考來源:人工智慧:概念應用與管理 林東清


上一篇
Day 15 深度學習與主要的神經網路-5(CNN)
下一篇
Day 17 深度學習與主要神經網路-7(遷移式學習)
系列文
嘗試在AI世界闖蕩31
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