知识卡片

普通读书笔记卡 · 9421.k · 生成模型:Tencent Hunyuan Hy

深度自编码器

理解等级:中级

深度自编码器把输出层对输入的重构从单个隐藏层扩展为经过多个隐藏层。例如用 80、40、80 单元的三个隐藏层:前两层作编码器逐级压缩,第三层作解码器展开,最后接与输入同维的输出层。因参数更多(约 11269 个,而原始版约 2389 个),需要把学习率降到 0.00005 并把周期增到 50 以稳定收敛;其余代码与原始版本相同。仍用精确召回曲线下面积衡量表现,结果约 0.83,略优于原始的 0.82。这说明在欺诈样本极少的场景下,更深的层级能轻微提升鲁棒表示的提取,但并未带来质的飞跃,参见 [[原始自编码器与信用卡欺诈检测]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第03章《受限玻尔兹曼机和自编码器》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/06.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文指出输出层可以经多个隐藏层重构输入,并给出 80、40、80 三隐藏层的示例,支撑深度自编码器的架构定义。 - 原始内容:除了一个隐藏层,输出层可以是通过几个隐藏层对输入的重构。 例如,以下是分别具有80,40和80单元的三个隐藏层的模型: