DL之AE：自编码器AutoEncoder的简介、应用、经典案例之详细攻略
DL之AE：自编码器AutoEncoder的简介、应用、经典案例之详细攻略
目录
1.2、稀疏AutoEncoder、噪音容忍AutoEncoder、卷积AutoEncoder、变分AutoEncoder→对抗AutoEncoder
自编码器AutoEncoder的简介
自编码器（autoencoder, AE）是一类在半监督学习和非监督学习中使用的人工神经网络ANN，其功能是通过将输入信息作为学习目标，对输入信息进行表征学习（representation learning） 。
自编码器包含编码器（encoder）和解码器（decoder）两部分。按学习范式，自编码器可以被分为收缩自编码器（undercomplete autoencoder）、正则自编码器（regularized autoencoder）和变分自编码器（Variational AutoEncoder, VAE），其中前两者是判别模型、后者是生成模型。按构筑类型，自编码器可以是前馈结构或递归结构的神经网络。
自编码器具有一般意义上表征学习算法的功能，被应用于降维（dimensionality reduction）和异常值检测（anomaly detection）。包含卷积层构筑的自编码器可被应用于计算机视觉问题，包括图像降噪（image denoising）、神经风格迁移（neural style transfer）等。
1、AutoEncoder发展史
1.1、1986年RBM
AutoEncoder的基本思想是利用神经网络来做无监督学习，就是把样本的输入同时作为神经网络的输入和输出。本质上是希望学习到输入样本的表示（encoding）。早期AutoEncoder的研究主要是数据过于稀疏、数据高维导致计算复杂度高。比较早用神经网络做AutoEncoder的可以追溯到80年代的BPNN和MLP以及当时Hinton推崇的RBM。后来到了2000年以后还坚持在做的只剩下Hinton的RBM了。
1.2、稀疏AutoEncoder、噪音容忍AutoEncoder、卷积AutoEncoder、变分AutoEncoder→对抗AutoEncoder
从2000年以后，随着神经网络的快速兴起，AutoEncoder也得到快速发展，基本上有几条线：稀疏AutoEncoder、噪音容忍AutoEncoder、卷积AutoEncoder、变分AutoEncoder。最新的进展是结合对抗思想的对抗AutoEncoder。
- 稀疏AutoEncoder，在学习输入样本表示的时候可以学习到相对比较稀疏的表示结果，这在Overcomplete AutoEncoder（就是学习得到高维表示）方法中尤为重要。代表性人物包括斯坦福大学的Andrew Ng和蒙特利尔的Yoshua Bengio教授。具体方法就是在原来的损失函数中加一个控制稀疏化的正则化项，通过控制优化过程来实现。
- Denoising AutoEncoder的核心思想就是提高Encoder的鲁棒性，本质上就是避免可能的overfitting。一个办法是在输入中加入随机噪音（比如随机置0一些输入，或者随机把部分输入变为marked），这些思想后来在BERT等模型中也有广泛使用；另一个办法就是结合正则化的思想，比如在目标函数中加上eEncoder的Jacobian范数。Jacobian范数可以让学习到的特征表示更具有差异性。
- 著名研究者Jurgen Schmidhuber提出了基于卷积网络的AutoEncoder以及后来的LSTM AutoEncoder。Max Welling基于变分思想提出变分AutoEncoder方法VAE，这也是一个里程碑式的研究成果。后面很多研究者在这个工作上进行了扩展，包括info-VAE、beta-VAE和factorVAE等。
最近还有人借鉴Ian Goodfellow等人提出的对抗建模思想提出Adversarial AutoEncoder，也取得了很好的效果。这和之前的噪音容忍的AE学习也有一定呼应。除了上面的思想，就是可以把上面的各种方法stacking起来。
自编码器AutoEncoder的经典案例
1、基础案例
TF之AE：AE实现TF自带数据集AE的encoder之后decoder之前的非监督学习分类
TF之AE：AE实现TF自带数据集数字真实值对比AE先encoder后decoder预测数字的精确对比
网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。
- 上周热门
- 如何使用 StarRocks 管理和优化数据湖中的数据？ 2941
- 【软件正版化】软件正版化工作要点 2860
- 统信UOS试玩黑神话：悟空 2819
- 信刻光盘安全隔离与信息交换系统 2712
- 镜舟科技与中启乘数科技达成战略合作，共筑数据服务新生态 1246
- grub引导程序无法找到指定设备和分区 1213
- 华为全联接大会2024丨软通动力分论坛精彩议程抢先看！ 163
- 点击报名 | 京东2025校招进校行程预告 162
- 2024海洋能源产业融合发展论坛暨博览会同期活动-海洋能源与数字化智能化论坛成功举办 160
- 华为纯血鸿蒙正式版9月底见！但Mate 70的内情还得接着挖... 157
- 本周热议
- 我的信创开放社区兼职赚钱历程 40
- 今天你签到了吗？ 27
- 信创开放社区邀请他人注册的具体步骤如下 15
- 如何玩转信创开放社区—从小白进阶到专家 15
- 方德桌面操作系统 14
- 我有15积分有什么用? 13
- 用抖音玩法闯信创开放社区——用平台宣传企业产品服务 13
- 如何让你先人一步获得悬赏问题信息？（创作者必看） 12
- 2024中国信创产业发展大会暨中国信息科技创新与应用博览会 9
- 中央国家机关政府采购中心：应当将CPU、操作系统符合安全可靠测评要求纳入采购需求 8
