本文探讨了神经网络中的降维技术，重点介绍了Autoencoder的原理与应用。自2006年起，Autoencoder作为非线性PCA的泛化方法，通过编码器和解码器实现数据降维，最小化重构误差。
问题引入
降维的算法有很多，那么在神经网络中适如何降维的呢？
问题回答
神经网络中可以通过autoencoder来实现降维，NN（神经网络）来对数据进行大量的降维是从2006开始的，这起源于science上的一篇文章：reducing the dimensionality of data with neural networks，作者就是鼎鼎有名的Hinton。autoencod一个e的基本结构如下所示，主要包含以及编码器（encoder）和一个解码器（decoder）。这种方法被认为是对PCA的一个非线性泛化方法。
encode和decode两个过程可以理解成互为反函数，在encode过程不断降维，在decode过程提高维度。
decoder后的结果和input的误差要最小,也即A−A^A-\hat AA−
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
