成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
自编码器
关注
140
自动编码器是一种人工神经网络,用于以无监督的方式学习有效的数据编码。自动编码器的目的是通过训练网络忽略信号“噪声”来学习一组数据的表示(编码),通常用于降维。与简化方面一起,学习了重构方面,在此,自动编码器尝试从简化编码中生成尽可能接近其原始输入的表示形式,从而得到其名称。基本模型存在几种变体,其目的是迫使学习的输入表示形式具有有用的属性。自动编码器可有效地解决许多应用问题,从面部识别到获取单词的语义。
综合
百科
VIP
热门
动态
论文
精华
FEASE: Shallow AutoEncoding Recommender with Cold Start Handling via Side Features
Arxiv
0+阅读 · 4月3日
Sparse Autoencoders Learn Monosemantic Features in Vision-Language Models
Arxiv
0+阅读 · 4月3日
SelfMedHPM: Self Pre-training With Hard Patches Mining Masked Autoencoders For Medical Image Segmentation
Arxiv
0+阅读 · 4月3日
Minimum Description Length of a Spectrum Variational Autoencoder: A Theory
Arxiv
0+阅读 · 4月1日
Features that Make a Difference: Leveraging Gradients for Improved Dictionary Learning
Arxiv
0+阅读 · 3月31日
Causal Dynamic Variational Autoencoder for Counterfactual Regression in Longitudinal Data
Arxiv
0+阅读 · 4月1日
Att-Adapter: A Robust and Precise Domain-Specific Multi-Attributes T2I Diffusion Adapter via Conditional Variational Autoencoder
Arxiv
0+阅读 · 4月1日
VidTwin: Video VAE with Decoupled Structure and Dynamics
Arxiv
0+阅读 · 3月28日
GD-VAEs: Geometric Dynamic Variational Autoencoders for Learning Nonlinear Dynamics and Dimension Reductions
Arxiv
0+阅读 · 3月26日
Theoretical Convergence Guarantees for Variational Autoencoders
Arxiv
0+阅读 · 3月18日
Investigating the effect of CPT in lateral spreading prediction using Explainable AI
Arxiv
0+阅读 · 3月17日
SAEBench: A Comprehensive Benchmark for Sparse Autoencoders in Language Model Interpretability
Arxiv
0+阅读 · 3月13日
SAEBench: A Comprehensive Benchmark for Sparse Autoencoders in Language Model Interpretability
Arxiv
0+阅读 · 3月12日
3D-MVP: 3D Multiview Pretraining for Robotic Manipulation
Arxiv
0+阅读 · 3月24日
Designing Neural Synthesizers for Low Latency Interaction
Arxiv
0+阅读 · 3月14日
参考链接
父主题
机器学习
深度学习
子主题
对抗自编码
压缩自编码器
去噪自编码
变分自编码
去噪自编码器
稀疏自编码器
稀疏自编码
欠完备自编码
收缩自编码器
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top