现代深度学习教程：第7章生成式学习网络PPT教学课件.pptxVIP

第七章生成式学习网络

目录CONTENTS01自编码器02GAN03扩散模型04本章小结

自编码器AI7.1

自编码器7.1.1传统自编码器7.1.3卷积自编码器7.1.2去噪自编码器7.1.4变分自编码器自编码器是一种无监督学习模型通过将输入数据编码为低维表示并重建原始输入，实现对数据特征的提取与理解。本节将深入探讨自编码器的核心原理及其不同变体。

7.1.1传统自编码器图7.1自编码器示意

7.1.1传统自编码器

7.1.1传统自编码器

7.1.1传统自编码器

7.1.1传统自编码器

7.1.1传统自编码器类似于PCA，通过将数据压缩为低维表示，去除冗余信息，保留主要特征。降维自编码器能够自动地从输入数据中学习到有效的特征表示。数据预处理与特征工程自编码器能够学习到输入数据的常规模式，对于不符合常规模式的异常数据，它的重建误差会很大。异常检测自编码器的应用

7.1.2去噪自编码器（DAE）去噪自编码器（DenoisingAutoencoder，DAE）是自编码器的一种变体，它的主要目标是学习输入数据的“干净”表示，能够去除噪声并恢复原始信号。自编码器的基本结构与传统自编码器类似，仍然包含编码器和解码器，如下图所示。但与训练传统自编码器不同，训练去噪自编码器时会向输入数据添加噪声，这使得网络不仅要学如何压缩数据，还要学习如何从噪声中恢复出真实的信号