原创力文档- 1、本文档共34页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
深度学习(4)----自动编码器
回顾MachinePerceptionandInteractionGroup(MPIG)
◆◆◆深度学习是什么？监督学习卷积神经网络序列建模：RNN及其扩展非监督学习自动编码器堆叠去噪自动编码器◆增强学习◆◆深度增强学习两个应用实例：PlayingAtariAlphaGo目录MachinePerceptionandInteractionGroup(MPIG)
自动编码器自动编码器Demo（1）堆叠去噪自动编码器去噪自动编码器Demo（2）非监督学习MachinePerceptionandInteractionGroup(MPIG)
自动编码器MachinePerceptionandInteractionGroup(MPIG)
前言神经网络可以被看作携带信息的数据结构描述神经网络的常见方法：近似一些想建模的函数MachinePerceptionandInteractionGroup(MPIG)
自动编码器自动编码器：给定一个神经网络，假设其输出与输入时相同的，训练调整其参数，得到每一层的权重。自动编码器是一种尽可能复现输入信号的神经网络。实际上，自编码器是通过去最小化target和input的差别来进行优化。给定无标签数据，用于非监督学习学习特征MachinePerceptionandInteractionGroup(MPIG)
自动编码器给定无标签数据，用于非监督学习学习特征MachinePerceptionandInteractionGroup(MPIG)
自动编码器无标签数据误差的来源：重构后与原输入相比得到。MachinePerceptionandInteractionGroup(MPIG)
自动编码器逐层训练：通过编码器产生特征，然后训练下一层。MachinePerceptionandInteractionGroup(MPIG)
Pyhon编码实现：工具说明TensorFlow?????数据：MNIST手写数据集MachinePerceptionandInteractionGroup(MPIG)
Demo1：一个简单的自动编码器MachinePerceptionandInteractionGroup(MPIG)
加载数据数据：MNIST手写数据集MachinePerceptionandInteractionGroup(MPIG)
构建模型指定hidden?units大小：hidden?units越小，损失的信息越多。MachinePerceptionandInteractionGroup(MPIG)
构建模型输入层隐藏层输出层MachinePerceptionandInteractionGroup(MPIG)
构建模型损失函数优化函数MachinePerceptionandInteractionGroup(MPIG)
构建模型损失函数优化函数MachinePerceptionandInteractionGroup(MPIG)
训练模型训练方式：TensorFlow中的GraphMachinePerceptionandInteractionGroup(MPIG)
训练结果的可视化训练方式：TensorFlow中的GraphMachinePerceptionandInteractionGroup(MPIG)
训练结果的可视化训练方式：TensorFlow中的GraphMachinePerceptionandInteractionGroup(MPIG)
堆叠去噪自动编码器MachinePerceptionandInteractionGroup(MPIG)
自动编码器自动编码器Demo（1）堆叠去噪自动编码器去噪自动编码器Demo（2）非监督学习MachinePerceptionandInteractionGroup(MPIG)
降噪自动编码器对AutoEncoder加入多个卷积层对图片进行降噪处理。MachinePerceptionandInteractionGroup(MPIG)
构建模型：输入层输入层：Height*Width*DepthMachinePerceptionandInteractionGroup(MPIG)
构建模型：编码卷积层卷积层：三层卷积层?一层池化层MachinePerceptionandInteractionGroup(MPIG)
构建模型：解码卷积层解码卷积层：上采样?卷积组合上采样（Upsample）
文档评论（0）