이제 Autoencoders 학습에 관련된 속성 및 하이퍼 매개 변수를 알 수 있습니다. 우리의 자동 엔코더 자습서를 진행하고 autoencoders의 다른 유형과 그들이 서로 어떻게 다른지 이해해 봅시다. 예를 들어 입력을 10개 또는 100개의 값으로 요약된 입력을 1,000개까지 확장할 수 있습니다. 특정 데이터 집합에 대해 보여 주지 않습니다. 우리는 단지 독자를위한 향후 참조를 위해 여기에 코드 예제를 넣을 것입니다! 많은 수의 이름 데이터 집합에 대한 자동 인코더를 빌드하려고 합니다. ["N", "e", "i", "l", """, ""a", "r", "m", "s", "t", "r", "o", "n", "g"또는 [닐", "닐", "닐"과 같은 캐릭터나 현명한 작업을 수행하는 대신 전체 필드를 인코딩하고 싶습니다. 어떻게 할 수 있습니까? 인공 지능은 컴퓨터 비전, 컴퓨터 네트워크, 컴퓨터 아키텍처 및 기타 여러 분야에서 사용되는 데이터 압축과 같은 문제를 해결하기 위해 컴퓨터 시스템을 가능하게하는 광범위한 기술과 기술을 둘러싸고 있습니다. Autoencoders는 기계 학습을 사용하여 이 압축을 수행하는 감독되지 않은 신경망입니다. 이 자동 엔코더 자습서는 다음 순서로 자동 엔코더에 대한 완전한 통찰력을 제공합니다: 다음 자습서에서는 지문 데이터 집합을 사용하여 이미지를 처음부터 읽고, 분석하고, 전처리하고, 모델에 공급하는 방법을 배우게 됩니다. 또한 T-1 양식의 의료 이미지를 읽고 자동 엔코더를 사용하여 재구성하는 방법을 배우게됩니다! LSTM Autoencoder의 초기 및 널리 인용된 응용 프로그램 중 하나는 2015년 논문 "LSTM을 사용한 비디오 표현에 대한 자율 학습"이었습니다.
마지막으로, 단일 인코더와 두 개의 디코더가 있는 복합 LSTM Autoencoder를 만들 수 있습니다. 예를 들어 보겠습니다. 인코더에 의해 압축되는 자동 엔코더에 5픽셀 값만 있는 이미지를 병목 현상(중간 레이어) 또는 잠재 공간에서 세 픽셀 값으로 압축합니다. 디코더는 이 세 가지 값을 사용하여 5픽셀 값 또는 네트워크에 대한 입력으로 공급한 입력 이미지를 재구성하려고 시도합니다. 안녕하세요 제이슨, 나는 당신의 웹 사이트의 일반 독자해요, 나는 당신의 게시물과 책에서 많은 것을 배웠습니다! 이것은 또한 매우 유익하지만 인코더 입력이 [0.1, 0.2, ..., 0.9]이고 예상 디코더 출력이 [0.2, 0.3, ..., 0.9]인 경우 기본적으로 입력 시퀀스의 일부입니다. “각 입력 단계에 대한 다음 단계를 예측”한다고 말하는 이유가 잘 모르겠습니다. 설명해 주시겠습니까? 자동 엔코더가 다단계 시계열 예측에 적합한가요? 또 다른 질문: 복합 자동 엔코더를 학습한다는 것은 오류가 예상되는 두 출력([seq_in, seq_out])에 대해 평균화되었음을 의미합니까? 안녕하세요 제이슨, 나는 full_model을 구축 할 수있는 또 다른 방법을 발견했다.