李宏毅-DeepLearning-2017-Unsupervised Learning:Deep Auto-encoder

时间 2020-12-24

原文原文链接

Auto-encoder使用神经网络进行降维。由于这里是无监督学习，因此encoder的训练过程需要采用decoder同时进行训练，如下图所示。这与PCA的过程类似，首先通过输入的图片，乘以矩阵W，得到降维后的数据，然后对于降维数据乘以前述矩阵的转置，可以得到预测的输出图片。 auto-encoder就是比PCA多加了几个Hidden layer 结果对比： auto-encoder的结果较好较清

>>阅读原文<<

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
更多相关文章...
• R 数据框 - R 语言教程
• 错误处理 - RUST 教程
• Docker容器实战(一) - 封神Server端技术
• Docker容器实战(八) - 漫谈 Kubernetes 的本质