会员服务
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。
Variational autoencoders stabilise TCN performance when classifying weakly labelled bioacoustics data: an interdisciplinary approach
Arxiv
0+阅读 · 10月24日
DAP-MAE: Domain-Adaptive Point Cloud Masked Autoencoder for Effective Cross-Domain Learning
Arxiv
0+阅读 · 10月24日
Breaking Bad Tokens: Detoxification of LLMs Using Sparse Autoencoders
Arxiv
0+阅读 · 10月23日
Autoencoding Random Forests
Arxiv
0+阅读 · 10月23日
Diffusion Autoencoders with Perceivers for Long, Irregular and Multimodal Astronomical Sequences
Arxiv
0+阅读 · 10月23日
A surrogate model for topology optimisation of elastic structures via parametric autoencoders
Arxiv
0+阅读 · 10月21日
Matricial Free Energy as a Gaussianizing Regularizer: Enhancing Autoencoders for Gaussian Code Generation
Arxiv
0+阅读 · 10月20日
Predicting gene essentiality and drug response from perturbation screens in preclinical cancer models with LEAP: Layered Ensemble of Autoencoders and Predictors
Arxiv
0+阅读 · 10月17日
Disentanglement of Sources in a Multi-Stream Variational Autoencoder
Arxiv
0+阅读 · 10月17日
Adversarial Disentanglement by Backpropagation with Physics-Informed Variational Autoencoder
Arxiv
0+阅读 · 10月16日
ChA-MAEViT: Unifying Channel-Aware Masked Autoencoders and Multi-Channel Vision Transformers for Improved Cross-Channel Learning
Arxiv
0+阅读 · 10月15日
The quest for the GRAph Level autoEncoder (GRALE)
The quest for the GRAph Level autoEncoder (GRALE)
Arxiv
0+阅读 · 10月15日
SAFER: Probing Safety in Reward Models with Sparse Autoencoder
Arxiv
0+阅读 · 10月14日
Variational Rank Reduction Autoencoders
Arxiv
0+阅读 · 10月14日
Forward-Forward Autoencoder Architectures for Energy-Efficient Wireless Communications
Arxiv
0+阅读 · 10月13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
微信扫码咨询专知VIP会员
Top