제게는 자동 엔코더를 설명해주세요.

Question

내가 읽은 것은 출력이 입력이고, 관찰을 재구성하려고 할 때 오류가 발생하면 변칙이라고합니다. 그건 나에게 의미가있다. 내가 겪고있는 문제는 다음과 같습니다.

나는 감독 방법에 익숙하므로 여기에 제가 생각합니다. 일반적으로 모델을 만들 때 일반적으로 많은 기능을 가진 관찰 결과가 있습니다. 이 기능들이 어떻게 결과와 관련되는지를 배웁니다.

자동 엔코더의 경우 각 관측치가 n-1 피쳐를 사용하여 나머지 피쳐를 예측하는 것이 사실입니까? 모델은 숨겨진 구조를 가정하고 생성 된 다음이를 다시 생성하려고 시도합니다.

그냥 조금 혼란, 감사

Answer 1

내가 읽은 것은 출력이

는 엄밀히 말하면 입력이 말한다, 우리는 출력이 "가까운"처럼되고 싶어요 입력. 기계 학습에서, 우리는 손실 함수 (예를 들어, 크로스 엔트로피, L2- 놈)를 가지며, 입력에 대한 출력의 "더 가까운"것은 손실이 적다. 그러나 치수은 과 동일하고입니다. 오류가 관찰을 재구성하려는 경우

그때는 autoencoders에서

변칙적 인, 숨겨진 층의 뉴런의 수는 입력 층의 뉴런의 수보다작다. 이것에 비추어, 정보의 일부는 재건 중에 없어집니다. 자동 인코더를 들어

는 각 관찰 N-1 기능

n은 무엇을 사용한다는 사실이다? 숫자가 입력 값보다 작 으면 숨겨진 레이어에 대해 임의의 수의 뉴런을 선택할 수 있습니다.