Denosing Autoencoder训练过程代码详解

本文详细介绍了Denoising Autoencoder的训练过程,包括预训练阶段的数据加噪、初始化网络结构、训练参数设置,以及后续的微调阶段。在预训练中,对输入数据添加50%的随机噪声,通过nntrain函数进行最小批训练更新权重。在微调阶段,使用预训练的权重初始化前馈网络,并对整个网络进行进一步训练。文章还提出了关于激活函数选择的疑问。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

普通deep autoencoder训练过程

本文主要参考Deeplearn toolbox中代码

matlabDeep Learning toolbox,见:https://github.com/rasmusbergpalm/DeepLearnToolbox

一:加载数据 

二:pre_training阶段

2.1初始化DAE网络框架

sae = saesetup([784 100 100]);%建立一个3层网络

在函数saesetup函数内部,循环调用nnsetup函数,此处2次调用nnsetup函数

最终saesetup([784 100 100]);建立一个2个autoencoder网络

分别是:784 ——100——784;100 ——100——100

2.1.1   nnsetup函数说明;

nn.size   =architecture;   nn.n= numel(nn.size)=3;

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值