Data Science autoencoder

3

Warum sind Autoencoder zur Dimensionsreduzierung symmetrisch?

Ich bin kein Experte für Autoencoder oder neuronale Netze. Verzeihen Sie mir, wenn dies eine dumme Frage ist. Zur Dimensionsreduktion oder zur Visualisierung von Clustern in hochdimensionalen Daten können wir einen Autoencoder verwenden, um eine (verlustbehaftete) zweidimensionale Darstellung zu erstellen, indem wir die Ausgabe der Netzwerkschicht mit zwei Knoten untersuchen. …

13 neural-network dimensionality-reduction autoencoder

4

Gibt es gute Out-of-the-Box-Sprachmodelle für Python?

Ich erstelle Prototypen für eine Anwendung und benötige ein Sprachmodell, um die Ratlosigkeit einiger generierter Sätze zu berechnen. Gibt es ein geschultes Sprachmodell in Python, das ich problemlos verwenden kann? So etwas Einfaches wie model = LanguageModel('en') p1 = model.perplexity('This is a well constructed sentence') p2 = model.perplexity('Bunny lamp robert …

11 python nlp language-model r statistics linear-regression machine-learning classification random-forest xgboost python sampling data-mining orange predictive-modeling recommender-system statistics dimensionality-reduction pca machine-learning python deep-learning keras reinforcement-learning neural-network image-classification r dplyr deep-learning keras tensorflow lstm dropout machine-learning sampling categorical-data data-imputation machine-learning deep-learning machine-learning-model dropout deep-network pandas data-cleaning data-science-model aggregation python neural-network reinforcement-learning policy-gradients r dataframe dataset statistics prediction forecasting r k-means python scikit-learn labels python orange cloud-computing machine-learning neural-network deep-learning rnn recurrent-neural-net logistic-regression missing-data deep-learning autoencoder apache-hadoop time-series data preprocessing classification predictive-modeling time-series machine-learning python feature-selection autoencoder deep-learning keras tensorflow lstm word-embeddings predictive-modeling prediction machine-learning-model machine-learning classification binary theory machine-learning neural-network time-series lstm rnn neural-network deep-learning keras tensorflow convnet computer-vision

1

AutoEncoder transformieren

Ich habe gerade Geoff Hintons Artikel über die Transformation von Autoencodern gelesen Hinton, Krizhevsky und Wang: Auto-Encoder transformieren . In Künstlichen Neuronalen Netzen und Maschinellem Lernen, 2011. und würde gerne mit so etwas herumspielen. Aber nachdem ich es gelesen hatte, konnte ich nicht genug Details aus dem Papier bekommen, wie …

10 neural-network deep-learning autoencoder

2

Ist es sinnvoll, einen CNN als Autoencoder auszubilden?

Ich arbeite mit der Analyse von EEG-Daten, die eventuell klassifiziert werden müssen. Das Erhalten von Etiketten für die Aufnahmen ist jedoch etwas teuer, was mich dazu veranlasst hat, unbeaufsichtigte Ansätze in Betracht zu ziehen, um unsere ziemlich großen Mengen an unbeschrifteten Daten besser zu nutzen. Dies führt natürlich dazu, dass …

9 deep-learning convnet unsupervised-learning autoencoder

2

Wie können Autoencoder für das Clustering verwendet werden?

Angenommen, ich habe eine Reihe von Zeitbereichssignalen ohne Beschriftung . Ich möchte sie in 2 oder 3 Klassen gruppieren. Autoencoder sind unbeaufsichtigte Netzwerke, die lernen, die Eingänge zu komprimieren. also eine Eingabe , und , und und ausgegeben wird , können wir die folgenden Beziehungen finden:x( i )x(i)x^{(i)}W 2 b …

9 neural-network clustering time-series unsupervised-learning autoencoder

1

Warum verwendet die Rekonstruktion in Autoencodern dieselbe Aktivierungsfunktion wie die Vorwärtsaktivierung und nicht die umgekehrte?

Angenommen, Sie haben eine Eingabeebene mit n Neuronen und die erste verborgene Ebene hat Neuronen, typischerweise m < n . Dann berechnen Sie die Aktivierung a j des j- ten Neurons in der verborgenen Schicht durchmmmm < nm<nm < neinjeinja_jjjj , wobei f eine Aktivierungsfunktion wie tanh oder sigmoid ist …

9 machine-learning visualization deep-learning autoencoder

1

Unterschied: Neuronales Replikator-Netzwerk vs. Autoencoder

Ich studiere derzeit Artikel über die Erkennung von Ausreißern mithilfe von RNNs (Replicator Neural Networks) und frage mich, was der besondere Unterschied zu Autoencodern ist. RNNs scheinen für viele als der heilige Gral der Erkennung von Ausreißern / Anomalien zu gelten, aber die Idee scheint ziemlich alt zu sein, da …

8 neural-network anomaly-detection autoencoder outlier

1

Wie funktioniert ein Encoder-Decoder-Netzwerk?

Angenommen, ich habe ein Encoder-Decoder-Netzwerk auf einem Cat- Datensatz trainiert, wobei der Rekonstruktionsfehler als Verlustfunktion verwendet wurde. Das Netzwerk ist vollständig trainiert und der Decoder kann gute Katzenbilder rekonstruieren . Was ist nun, wenn ich dasselbe Netzwerk verwende und ein Hundebild eingebe ? Wird das Netzwerk in der Lage sein …

7 neural-network deep-learning autoencoder

1

Wie kann ich nachweisen, dass die Engpassschicht meines CNN-Auto-Encoders nützliche Informationen enthält?

Ich verwende den CNN-Autoencoder, um eine Zustandsrepräsentationsschicht zu erstellen, die ich später in meinen Verstärkungsagenten einspeisen werde. Also habe ich meinen CNN-Autoencoder trainiert und er gibt nette Zustandsdarstellungen. Aber ich habe folgende Fragen: Kann meine Autoencoder-Schicht überpasst werden? Wenn es eine Überanpassung gibt, führt dies zu Abfallinformationen in meiner Engpassschicht?

7 deep-learning autoencoder

Als «autoencoder» getaggte Fragen