- Tytuł:
- Autoenkodery. Podstawy budowy wydajnych modeli uczenia maszynowego
- Autorzy:
- Rodewald, Gabriel
- Powiązania:
- https://bibliotekanauki.pl/articles/2082264.pdf
- Data publikacji:
- 2022-08
- Wydawca:
- Warszawska Wyższa Szkoła Informatyki
- Tematy:
-
uczenie maszynowe
uczenie głębokie
autoenkodery
autoenkodery wariacyjne
autoenkodery odszumiające
autoenkodery rzadkie
autoenkodery konwolucyjne
autoenkodery rekurencyjne - Opis:
- Autoenkoder jest siecią neuronową złożoną z pary koder-dekoder. Koder odpowiada za redukcję wymiarowości danych w modelu przy jednoczesnym zachowaniu kluczowych cech, niezbędnych do odtworzenia danych wejściowych przez dekoder. Z uwagi na cechy architektury wewnętrznej wyodrębnia się autoenkodery deterministyczne oraz probabilistyczne. Istnieją wyspecjalizowane wersje autoenkoderów odpowiadające tematyce realizowanych modeli uczenia maszynowego, na przykład autoenkodery odszumiające, rekurencyjne, splotowe, wariacyjne lub rzadkie. W artykule zostały przedstawione jedynie najistotniejsze zagadnienia związane z autoenkoderami.
- Źródło:
-
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2022, 16, 26; 21-60
1896-396X
2082-8349 - Pojawia się w:
- Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
- Dostawca treści:
- Biblioteka Nauki
Artykuł