Autoencoders - це нейромережі, які використовуються для несумісного навчання для отримання значущих функцій з даних. Вони ефективні при зниженні габаритності та захопленні основних шаблонів без позначених даних. Ця стаття пояснює, як побудувати автошифратори для видалення функцій.

Розуміння автокодерів

Автоматичний енкодер складається з енкодера і декодера. Вводні дані енкодера в менш об'ємне представлення, що називається пізнім простором. Декодер відновлює оригінальні дані з цієї стисненої форми. Мета полягає в тому, щоб мінімізувати різницю між входом і вихідом під час тренувань.

Будівництво автокерівника

Для побудови автокера, визначення архітектури з входом, прихованими та вихідними шарами. При цьому керма зменшує розміри даних, при цьому декодер намагається відновити оригінальний вхід. Використовуйте функції активації, такі як ReLU або sigmoid для введення нелінійності.

Поїзд автокеру за допомогою набору даних, оптимізація функції втрати, таких як: квадратна помилка. Після закінчення навчання, частина енкодера може бути використана для отримання функцій з нових даних, які можуть застосовуватися в різних задачах машинного навчання.

Додатки автонокодорів

Автоенкодери використовуються в декількох областях, включаючи:

  • Зменшення розміру
  • Аномалія виявлення
  • Денозування даних
  • Вилучення характеристик для класифікації