堆叠式自动编码器（SAE）--学习笔记

自动编码器及常见类型：
1. 对于自编码器，往往并不关心输出是什么（因为输出就是输入的复现），只需要关心中间层的编码，或输入到编码的映射。
2. 如果在编码和输入不同的前提下，系统仍可以复原输入，则说明编码已承载输入的所有信息。即特征提取。
3. 给隐层增加一定的约束，从数据维度：
  1. 隐藏层维度小于输入数据维度，当每两层之间的变换均为线性且监督训练的误差是二次型误差时，网络等价于PCA。
  2. 隐藏层维度大于输入数据维度，即“稀疏自编码器”，原理，从人脑机理出发，人类神经系统在某一刺激下，大部分神经元是被抑制的。
4. 稀疏自编码器：
  1. 对隐藏单元施加稀疏性（同时具有比输入更多的隐藏单元），自动编码器可以在输入数据中学习有用的结构。这允许输入的稀疏表示。这些对于分类任务的前训练是有用的。
  2. 稀疏自动编码器是对自动编码器加入一个正则化项，约束隐含层神经元节点大部分输出0，少部分输出非零，大大减少了需要训练的参数数目。克服了自动编码器容易陷入局部及小值和存在过拟合的问题
无监督逐层贪婪预训练：
1. 对于较深的网络,如果直接进行训练很容易出现梯度消失或梯度爆炸问题,无监督逐层贪婪预训练是减缓这一问题的一个简单方法,即通过逐层的进行单独训练,形成一个初始化的参数,在训练第L层时,冻结第1~(L-1)层的参数, 最终实现每一层的单独训练.
2. 逐层单独使得每个层得参数都只是全部最优，然后再进行这个网络的训练，直到网络的收敛。
3. 逐层预训练使得深度网络的训练成为可能，原因：预训练好的网络在一定程度上拟合了训练数据的结构，使得整个网络的初始值在一个合适的状态，便于有监督阶段加快迭代收敛。
SAE：
1. 是一个由多层稀疏自编码器组成的深度神经网络模型，其前一层自编码器隐层的输出作为其后一层自编码器的输入，最后一层是个分类器（logistic 回归或者softmax分类（预测分析））。
2. SAE是在简单自动编码器基础上，增加隐藏层的深度，一般，堆栈自动编码器是关于隐层对称的，通常Encoder和Decoder的层数是一样的,左右对称.其对称层的参数也可以是具有转置关系的,这种技术称为权重捆绑,这样可以使得模型的参数减半,加快训练速度并降低过拟合的风险。注意: 偏置项不进行捆绑。
3. 训练一个编码器得到隐层的特征表示h，再将h作为原始信息，训练一个新的自编码器，得到新的特征表达。
4. SAE整个网络的训练不是一蹴而就的，而是需要逐层进行。逐层非监督预训练。
5. 对于常见的分类任务，一般分为两个阶段：
  1. 逐层预训练（非监督学习，自动编码器各层的输出都是原始数据的不同表达）
  2. 微调（增加一层分类层，并结合有标注的训练数据，在误差函数指导下，对系统的参数进行微调，以使得整个网络能够完成所需的分类任务。）
  3. 通过layer-wise pre-training逐层堆叠起来，而不是直接训练多层的网络。
6. 堆叠自动编码器方法与DBN相同，具体过程描述如下：
  1. 给定初始输入，采用无监督方式训练第一层自动编码器，减小重构误差达到设定值。
  2. 把第一个自动编码器隐含层的输出作为第二个自动编码器的输入，采用以上同样的方法训练自动编码器。
  3. 重复第二步直到初始化完成所有自动编码器。
  4. 把最后一个堆叠自动编码器的隐含层的输出作为分类器的输入，然后采用有监督的方法训练分类器的参数。

堆叠式自动编码器（SAE）--学习笔记相关推荐

堆叠式降噪自动编码器（SDA）
1.1 自动编码器(AutoEncoder,AE) 自动编码器(AutoEncoder,AE)就是一种尽可能复现输入信号的神经网络,其输出向量与输入向量同维,常按照输入向量的某种形式,通过隐层学习一个 ...
Matlab深度学习笔记——深度学习工具箱说明
本文是Rasmus Berg Palm发布在Github上的Deep-learning toolbox的说明文件,作者对这个工具箱进行了详细的介绍(原文链接:https://github.com/ra ...
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（第2版）》学习笔记
文章目录书籍信息技术和工具 Scikit-Learn TensorFlow Keras Jupyter notebook 资源书籍配套资料流行的开放数据存储库元门户站点(它们会列出开放的数据 ...
自编码器/堆叠式自编码器（SAE）
自编码器( Auto-Encoder,AE) 定义: 通过将输入信息作为学习目标,对输入信息进行表征学习 (representation learning).(将原始数据转换成为能够被机器学习来有效开 ...
堆排序怎么建立初始堆_学习笔记-详解堆排序
本文目的上一章节已经详细的向大家介绍过排序的相关概念(详见学习笔记-排序简单介绍) ,本文旨在为大家详细的介绍堆排序. 堆排序堆排序(英语:Heapsort)是指利用堆这种数据结构所设计的一种排序 ...
大顶堆删除最大值_算法学习笔记(47): 二叉堆
堆(Heap)是一类数据结构,它们拥有树状结构,且能够保证父节点比子节点大(或小).当根节点保存堆中最大值时,称为大根堆:反之,则称为小根堆. 二叉堆(Binary Heap)是最简单.常用的堆,是一 ...
C语言学习笔记——堆区空间申请(一)
C语言学习笔记堆区空间申请(一) 栈区变量分析所有程序/软件的运行,都是由操作系统统一调配的,操作系统是程序的运行环境运行中的多个程序之间,内存是不交叉的程序结束后,操作系统还要释放其使用的资 ...
算法学习（门徒计划）2-2 堆（Heap）与优先队列学习笔记
算法学习 (门徒计划)2-2 堆(Heap)与优先队列学习笔记前言堆(Heap)的概念和基础操作基础概念基础操作入堆与上滤出堆与下滤自定义类实现堆优先队列经典例题,堆的基础应用 l ...
2.阅读笔记Stacked Attention Networks for Image Question Answering(堆叠式注意力网络)
Stacked Attention Networks for Image Question Answering(堆叠式注意力网络) 一,介绍这篇论文提出了一种用于图像问答任务的堆叠式注意力网络SAN ...

堆叠式自动编码器（SAE）--学习笔记

堆叠式自动编码器（SAE）--学习笔记相关推荐

最新文章

热门文章