1回答
我正在使用CNN自动编码器对我生成的一些同步噪声数据进行去噪。本练习的目的是测试去噪自动编码器的去噪能力。这一部分我也想做一些特征降维。出于这个原因，我将30个特征编码到一个3维的潜在空间中。那么，这种潜在空间表示的意义是什么呢？ ? batch_size = 16)
matlines(x_test
浏览 27提问于2019-12-22得票数 1
1回答
程序完成后，特征空间将发生变化，原有的特征可能不存在。该算法可将特征数目减少到约2000特征。作为下一步，我计划使用自动编码器(执行维数约简)并获得一个潜在的表示来执行分类任务。我之所以没有将原始数据集用于自动编码器，是因为我希望使用模型的特性层次结构信息。这是一个有意义的模型吗？将特征空间压缩两次是否毫无意义？谢谢!
浏览 0提问于2020-10-14得票数 1
回答已采纳
1回答
我理解KL散度是如何为我们提供一个度量一个概率分布与另一个参考概率分布是如何不同的。但是为什么它们在VAE中(而不是交叉熵)被特别使用(这是生成的)？
浏览 0提问于2020-09-24得票数 4
我正在使用CNN自动编码器来创建一个状态表示层，稍后我将被输入到我的增强代理中。所以我训练了我的CNN自动编码器，它给出了很好的状态表示。但我有以下问题
我的自动编码器层可以安装吗？
浏览 0提问于2018-09-19得票数 7
回答已采纳
2回答
这自然导致考虑堆叠的自动编码器，这可能是一个好主意。然而，使用卷积神经网络也是有意义的，因为某种类型的滤波通常是一种非常有用的EEG方法，很可能考虑的时间应该是局部的，而不是作为一个整体来分析。似乎当人们使用CNN的时候，他们通常使用监督训练，还是什么？为我的问题探索神经网络的两个主要好处似乎是无监督的方面，以及微调(例如，创建一个关于人口数据的网络，然后对一个人进行微调)。那么，有没有人知道我是否可以把CNN训练得像个“残废”的自动编码器，还是毫无意义</em
浏览 0提问于2017-03-21得票数 12
回答已采纳
如果我只训练一个只有一个向量的自动编码器和一个只有第二个向量的第二个自动编码器，这是否意味着如果向量相似，那么两个自动编码器的隐层向量也是相似的吗？
自动编码器结构是相同的。隐层神经元的数量小于输入。因此，如果向量V1类似于V2，我将使用V1来训练自动编码器的A1和V2来训练自动编码器A2，这是否意味着A1的隐藏层向量和A2的隐藏层向量不会像V1和V2那样相似，但仍然大致相似？
浏览 0提问于2018-03-07得票数 1
您将xs和ys嵌入到连续空间中，然后向编码器提供exs，以获得英语短语的潜在表示。然后用eys将潜在的表示放入译码器中。但是eys是法语短语的连续表示，在测试阶段解码器不能知道产生的法语短语，对吗？如果我不想翻译句子，而是构建一个自动编码器来将短语映射到潜在空间，我该怎么办？
浏览 3提问于2017-11-09得票数 0
1回答
基本编解码结构
、、、
基本的CNN或RNN和编码器解码器有什么区别？编码器和解码器是否需要满足某些特性？据我所知，编码器对另一个维度中的输入进行编码，并创建上下文向量。随后，该上下文向量被解码器解码。我知道它们是不同类型的编码器和解码器，最简单的架构是什么？
我是否应该在编码器中使用像word2vect这样的预定义词嵌入(如果我有文本作为输入)？
浏览 0提问于2018-03-09得票数 3
我只想从简单的CNN模型中获取特征地图，所以我可以只给模型图像而不使用标签数据吗？如何与madel唯一的图像相匹配？📷
浏览 0提问于2019-09-09得票数 0
1回答
变分自动编码器实现
、、、
我在这里用一个自动编码器结束了：( 1)编码器具有2个卷积层和1个扁平层，3)和具有编码器反向部分的解码器。我的问题是当我试图实现自动编码器的变分部分时。我指的是潜伏空间中的数学过程。至少这就是我指出问题所在的地方。更清楚的是，我有以下两个案例：
Case 1：在没有实际实现任何变分数学的情况下，只需将变量设置在潜在空间</
浏览 0提问于2017-07-02得票数 1
1回答
如何设计自动编码器体系结构
、、、、
我想构建一个自动编码器(CNN)来学习我的数据的表示。参考架构是否像ResNet/Inception之类的？如果没有，我应该手动设计层吗？转换学习/微调是否适用于自动编码器(还是从零开始训练更好)？
浏览 0提问于2018-09-10得票数 5
1回答
自动编码器以减少输入数据大小
、、、、
目前，我想使用自动编码器来减少输入数据的大小，以便将减少的数据用于另一个神经网络。我的任务是拍摄一段视频，然后将视频的图像提供给自动编码器。当我只使用几张图像作为输入时，自动编码器工作得很好，但当我想要一系列图像时，它就不行了。
想象一下，从一个移动的球上拍摄视频。例如，我们有200张图片。如果我对200张图像使用自动编码器，误差很大，但如果我只对5张图像使用，重建误差很小，可以接受。似乎自动编码器不学习球循环的顺序
浏览 1提问于2013-12-04得票数 2
2回答
我的理解是，对于某些类型的seq2seq模型，您需要训练编码器和解码器，然后将编码器放在一边，只使用解码器进行预测。= x_input.reshape((1, n_steps, n_features))print(yhat)
这是编码器
浏览 0提问于2019-07-27得票数 4
我试图训练一个lstm自动编码器，将输入空间转换成一个潜在空间，然后将其可视化，我希望在潜在空间中找到一些有趣的模式。输入来自9个传感器的数据。它们将被转换成一个三维空间。这是使用以下方式的自动编码器im： super(Autoencoder, selfautoencoder.encoder(
浏览 5提问于2021-08-25得票数 0
1回答
自动编码器:找到重要的神经元
、、、、
我已经使用Keras实现了自动编码器，它将112*112*3神经元作为输入，将100神经元作为压缩/编码状态。我想从这100个神经元中找出学习重要特征的神经元。
浏览 1提问于2019-12-21得票数 0
我对自动编码器很陌生。我看到的所有自动编码器通常都会显示一个下采样编码器，然后是一个上采样解码器或一个上采样编码器，然后是一个下采样解码器。现在，我想问一问，我们能不能有一个同时包含上采样层和下采样层的编码器，然后是一个具有精确镜像层的编码器？例如，我们可以拥有以下自动编码器的架构吗？编码器： 16神经元- 200神经元-400个神经元- 200神经元- 4神经元(潜伏表征)-解码器： 200神经元
浏览 4提问于2022-08-01得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
云直播
腾讯会议活动推荐
腾讯云开发者
