1 简介

本文根据2006年. G.E. Hinton 和R. R. Salakhutdinov的《Reducing the dimensionality of data with neural networks》翻译总结。

高维数据可以通过一个多层神经网络把它转换成一个低维数据,而且还能反向用低维数据重建高维数据。我们把这个神经网络叫做自动编码网络或自编码器(autoencoder)。梯度下降法可用来微调这个自动编码器的权值,但是只有在初始化权值较好时才能得到最优解,不然就容易陷入局部最优解。本文提供了一种有效的初始化权值算法(即预训练)。autoencoder这一模型比用主成份分析(PCA)来对数据进行降维更好更有效。PCA,是找到数据最大方差方向.

只从1980年代开始,通过深度autoencoder的反向传播(backpropagation)是处理非线性维度下降的一个非常有效分方法,但需要满足3个条件(1)计算机速度足够快;(2)数据集足够大;(3)初始权重有一个好的办法。而现在刚好就满足这三个条件了。

不像非参数化方法,autoencoder可以在源数据和编码数据间建立mapping,该方法可以应用于大规模数据集,因为预训练和fine-tuning在时间和空间上与训练数据大小是线性关系。

2 具体方法

如下图,(1)第一步预训练,迭代训练很多RBMs,即训练完一个RBM后,将其学到的特征用于训练下一个RBM;(2)接着是Unroll(展开),构成一个深度autoencoder;(3)最后使用反向传播fine-tuning。

3 公式

V对应图片像素,h为特征、隐藏单元。

4 实验结果

以下图B来说,第1行是原测试数据,第2行是30维 autoencoder重建的效果;第3行是30维logistic PCA重建的效果;第4行是30维标准PCA重建的效果;
下面三行的平均方差误差是3.00、8.01、13.87。可以看到autoencoder效果最好。

Hinton论文系列-Reducing the dimensionality of data with neural networks相关推荐

  1. Reducing the Dimensionality of Data with Neural Networks:神经网络用于降维

    原文链接:http://www.ncbi.nlm.nih.gov/pubmed/16873662/ G. E. Hinton* and R. R. Salakhutdinov .   Science. ...

  2. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](6)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](6) GNN playground Some empirical GNN ...

  3. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](7)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](7) Into the Weeds Other types of grap ...

  4. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](5)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](5) Graph Neural Networks 图神经网络 Now th ...

  5. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](3)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](3) What types of problems have graph ...

  6. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](2)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](2) Graphs and where to find them 图以及在 ...

  7. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](1)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](1) 最近读了一篇Distill网站上的一篇文章,讲的是图神经网络的入门, ...

  8. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](4)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](4) The challenges of using graphs in ...

  9. 论文导读|Representing Schema Structure with Graph Neural Networks for Text-to-SQL Parsing

    论文导读|Representing Schema Structure with Graph Neural Networks for Text-to-SQL Parsing 编者按 1.背景知识 2.S ...

  10. 经典DL论文研读(part4)--ImageNet Classification with Deep Convolutional Neural Networks

    学习笔记,仅供参考,有错必纠 文章目录 ImageNet Classification with Deep Convolutional Neural Networks 摘要 Introduction ...

最新文章

  1. python的第三方库-Python 的第三方库到底行不行啊?
  2. 死在“风口上的猪”人工智能初创企业倒闭的原因分析
  3. 王牌之作 特斯拉国产Model Y明年初下线
  4. 计算2的幂(信息学奥赛一本通-T1037)
  5. (转)postgis常用函数介绍(一)
  6. 【报告分享】2020年中国企业直播服务市场研究报告.pdf(附下载链接)
  7. 点4下还是点1下?使用jQuery启动一个SharePoint工作流
  8. python自动登录百度_Python实现自动登录百度空间的方法
  9. linux下查看用户个数和具体名字
  10. 计算机中word音乐符号在哪里找,word音乐符号怎么打出来|word音乐符号怎么打
  11. 动态规划解决完全背包问题(cpp)
  12. C++弹窗拦截程序,弹窗广告怎么关闭?不用问,我教你怎么屏蔽!
  13. 数据分析复盘报告,用Excel轻松搞掂!
  14. 浮点数除0和余0、定义
  15. cuda8+cuDNN Faster R-CNN安装塈运行demo
  16. SAP中重订货点Reorder Point原理分析及测试
  17. 新蓝领时代:快递员月收入过万“炼金术”
  18. 桂电 计算机排名 评分,桂林电子科技大学学科评估结果及排名情况怎样
  19. Nvidia GPU虚拟化性能测试
  20. 如何提高RS -485电快速脉冲群的抗干扰能力

热门文章

  1. SAP 使用BDC的一些心得
  2. C措辞教程第二章: 数据范例、运算符、表达式(4)
  3. 6-1 另类循环队列 (30 分) 如果用一个循环数组表示队列,并且只设队列头指针Front,不设尾指针Rear,而是另设Count记录队列中元素个数。请编写算法实现队列的入队和出队操作。
  4. 简单通过微信公众号获取OPEN ID
  5. 【Unity】脚本实现动态模型切割
  6. 4、基础理论-平衡软件项目的质量与时间、范围、成本
  7. ccf认证--201809-1 卖菜(100分)
  8. VMware虚拟机nat模式详解
  9. Python学习笔记(字符串、列表、字典)
  10. Gitee项目分享——学之思开源考试系统