← 返回卡片

原书出处

深度学习

14 第14章 自编码器

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.634Z

性导致p model ( h )学习成近似最大似然的结果看,稀疏惩罚完全不是一个正则项。这仅仅影响模型关于潜变量的分布。

这个观点提供了训练自编码器的另一个动机:这是近似训练生成模型的一种途径。这也给出了为什么自编码器学到的特征是有用的另一个解释:它们描述的潜变量可以解释输入。

稀疏自编码器的早期工作(Ranzato et al. ,2007a,2008)探讨了各种形式的稀疏性,并提出了稀疏惩罚

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习/_epub-src/text/part0005_split_000.html

EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639