ทำไมเราต้องการระบบเข้ารหัสอัตโนมัติ?


17

เมื่อเร็ว ๆ นี้ฉันได้เรียนรู้การเข้ารหัสอัตโนมัติ ถ้าฉันเข้าใจอย่างถูกต้อง autoencoder เป็นเครือข่ายประสาทที่เลเยอร์อินพุตเหมือนกับเลเยอร์เอาท์พุท ดังนั้นโครงข่ายประสาทเทียมจึงพยายามทำนายผลลัพธ์โดยใช้อินพุตเป็นมาตรฐานทองคำ

ประโยชน์ของรุ่นนี้คืออะไร? อะไรคือประโยชน์ของการพยายามสร้างองค์ประกอบเอาท์พุทใหม่ทำให้มีความเท่าเทียมกับองค์ประกอบอินพุตมากที่สุด เหตุใดจึงควรใช้เครื่องจักรทั้งหมดนี้เพื่อไปยังจุดเริ่มต้นเดียวกัน

คำตอบ:


17

ตัวเข้ารหัสอัตโนมัติมีเลเยอร์อินพุต, เลเยอร์ที่ซ่อนอยู่และเลเยอร์เอาท์พุท อินพุตถูกบังคับให้เหมือนกับเอาต์พุตดังนั้นเลเยอร์ที่ซ่อนอยู่ที่เราสนใจ

เลเยอร์ที่ซ่อนอยู่นั้นเป็นรูปแบบการเข้ารหัสของอินพุต "เป้าหมายของการเข้ารหัสอัตโนมัติคือการเรียนรู้การเป็นตัวแทนการบีบอัดแบบกระจาย (การเข้ารหัส) สำหรับชุดข้อมูล" หากอินพุตเป็นเวกเตอร์ 100 มิติและคุณมี 60 เซลล์ประสาทในเลเยอร์ที่ซ่อนอยู่อัลกอริทึมตัวเข้ารหัสอัตโนมัติจะทำซ้ำอินพุตเป็นเวกเตอร์ 100 มิติในชั้นผลลัพธ์ในกระบวนการให้เวกเตอร์ 60 มิติที่เข้ารหัสอินพุตของคุณ .

ดังนั้นวัตถุประสงค์ของการเข้ารหัสอัตโนมัติคือการลดมิติ , หมู่คนอื่น ๆ


ขอบคุณ @Madhulika บางทีฉันอาจจะเข้าใจ อัลกอริทึมทำงานดังต่อไปนี้: มันมีเลเยอร์อินพุตมันฝึกอบรมโครงข่ายประสาทเพื่อให้เลเยอร์เอาท์พุทเหมือนกับเลเยอร์อินพุต กว่าจะเปรียบเทียบเลเยอร์อินพุตกับเลเยอร์เอาท์พุทและถ้ามันแตกต่างกันมันจะทำการฝึกโครงข่ายประสาทใหม่ มันจะหยุดเมื่อพวกเขาเหมือนกัน เมื่อเสร็จแล้วเราจะใช้เลเยอร์ที่ซ่อนล่าสุดเป็นค่าประมาณการลดขนาดที่ดีที่สุดของเลเยอร์อินพุทและใช้มันสำหรับเป้าหมายใด ๆ ที่เราต้องการ ถูกต้องหรือไม่
larry

ใช่คุณเข้าใจถูกแล้ว :) อ่านวรรณกรรมเพิ่มเติมเกี่ยวกับมัน
Madhulika Mukherjee

5

นอกจากนี้ยังสามารถจำลองประชากรของคุณเพื่อที่เมื่อคุณป้อนเวกเตอร์ใหม่คุณสามารถตรวจสอบความแตกต่างของเอาต์พุตจากอินพุตได้ หากพวกเขา "ค่อนข้าง" เหมือนกันคุณสามารถสมมติว่าการป้อนข้อมูลตรงกับประชากร หากพวกเขา "ค่อนข้าง" ที่แตกต่างกันแล้วการป้อนข้อมูลอาจไม่ได้เป็นของประชากรที่คุณสร้างแบบจำลอง

ฉันเห็นว่ามันเป็น "ถดถอยโดยเครือข่ายประสาท" ที่คุณพยายามที่จะมีฟังก์ชั่นอธิบายข้อมูลของคุณ: เอาท์พุทมันเป็นเช่นเดียวกับการป้อนข้อมูล


3

บางทีรูปภาพเหล่านี้อาจทำให้คุณมีสัญชาตญาณ ดังที่ผู้แสดงความคิดเห็นข้างต้นกล่าวว่าตัวเข้ารหัสอัตโนมัติพยายามดึงคุณลักษณะระดับสูงบางอย่างออกมาจากตัวอย่างการฝึกอบรม คุณอาจเห็นว่าอัลกอริทึมการพยากรณ์โรคถูกใช้เพื่อฝึกแต่ละระดับที่ซ่อนแยกต่างหากสำหรับ NN ลึกในภาพที่สอง

ป้อนคำอธิบายรูปภาพที่นี่

ป้อนคำอธิบายรูปภาพที่นี่

รูปภาพนำมาจากวิกิพีเดียภาษารัสเซีย


2
ความเห็นต่อรูปภาพจะเป็นประโยชน์
ทิม
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.