Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Rodewald Gabriel

1 2022

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: autoenkodery

Sortuj według:

Ogranicz wyniki do:

Autoenkodery. Podstawy budowy wydajnych modeli uczenia maszynowego

Rodewald Gabriel

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki

2022

nr 26

21--60

Autoenkoder jest siecią neuronową złożoną z pary koder-dekoder. Koder odpowiada za redukcję wymiarowości danych w modelu przy jednoczesnym zachowaniu kluczowych cech, niezbędnych do odtworzenia danych wejściowych przez dekoder. Z uwagi na cechy architektury wewnętrznej wyodrębnia się autoenkodery deterministyczne oraz probabilistyczne. Istnieją wyspecjalizowane wersje autoenkoderów odpowiadające tematyce realizowanych modeli uczenia maszynowego, na przykład autoenkodery odszumiające, rekurencyjne, splotowe, wariacyjne lub rzadkie. W artykule zostały przedstawione jedynie najistotniejsze zagadnienia związane z autoenkoderami.

An autoencoder is a neural network composed of an encoder-decoder pair. The encoder reduces the dimensionality of the data leaving only key features in the model to allow the decoder to reconstruct the input data. Taking into account the internal architecture of autoencoders, a distinction can be made between deterministic autoencoders and probabilistic autoencoders. Only the latter are generative in nature. There are specialised versions of autoencoders corresponding to the subject matter of the machine learning models implemented, for example, de-noising, recursive, convolutional, variational or sparse autoencoders. This paper aims to present the most relevant issues related to autoencoders.