前言

前兩天先跟各位介紹Convolutional Autoencoder以及實作，那今天我們就來分享Autoencoder的第二個變體—Denoising Autoencoder，那我們廢話不多說，正文開始！

正文

Denoising AE是一種學習對照片去噪的模型，主要目標是從具有噪聲的輸入數據中學習到一個乾淨的表示，從而有助於去除輸入數據中的噪聲

從論文中可得知，DAE 的訓練目標是從受損的輸入數據中重建出一個乾淨的“修復”輸入。首先通過隨機映射x ~ qD(x’|x)將初始輸入x損壞成x’。然後，DAE 的目標是通過最小化重建誤差來訓練模型的參數，使得重建的輸出z盡可能接近未受損的原始輸入x。這個過程可以幫助學習去除噪聲的特徵，並提高模型的性能。

以下為DAE的架構圖

架構圖：圖源

以下是一些噪聲的例子：

• 加各向同性高斯噪聲
• 遮罩噪聲（隨機選擇輸入的一部分並將其設置為0）
• 鹽和胡椒噪聲(salt-and-pepper noise)（隨機選擇輸入的一部分並隨機將其設置為最小值或最大值）

參考資料：維基百科 論文

總結

以上就是Denoising Autoencoder的理論啦，明天將會使用Denoising Autoencoder實現MNIST數字圖片進行去躁，那我們明天見！

(好像不小心水了一天的挑戰