会员服务
自动编码器是一种人工神经网络，用于以无监督的方式学习有效的数据编码。自动编码器的目的是通过训练网络忽略信号“噪声”来学习一组数据的表示（编码），通常用于降维。与简化方面一起，学习了重构方面，在此，自动编码器尝试从简化编码中生成尽可能接近其原始输入的表示形式，从而得到其名称。基本模型存在几种变体，其目的是迫使学习的输入表示形式具有有用的属性。自动编码器可有效地解决许多应用问题，从面部识别到获取单词的语义。
Learning Interpretable Features in Audio Latent Spaces via Sparse Autoencoders
Arxiv
0+阅读 · 10月27日
Diffusion Map Autoencoder
Arxiv
0+阅读 · 10月29日
MedSAE: Dissecting MedCLIP Representations with Sparse Autoencoders
Arxiv
0+阅读 · 10月30日
Cybersecurity threat detection based on a UEBA framework using Deep Autoencoders
Arxiv
0+阅读 · 10月30日
SPARTA: Evaluating Reasoning Segmentation Robustness through Black-Box Adversarial Paraphrasing in Text Autoencoder Latent Space
Arxiv
0+阅读 · 10月28日
Multi-Agent Scenario Generation in Roundabouts with a Transformer-enhanced Conditional Variational Autoencoder
Arxiv
0+阅读 · 10月28日
Learning Linearity in Audio Consistency Autoencoders via Implicit Regularization
Learning Linearity in Audio Consistency Autoencoders via Implicit Regularization
Arxiv
0+阅读 · 10月27日
Distributional Autoencoders Know the Score
Arxiv
0+阅读 · 10月27日
Variational autoencoders stabilise TCN performance when classifying weakly labelled bioacoustics data: an interdisciplinary approach
Arxiv
0+阅读 · 10月24日
DAP-MAE: Domain-Adaptive Point Cloud Masked Autoencoder for Effective Cross-Domain Learning
Arxiv
0+阅读 · 10月24日
Breaking Bad Tokens: Detoxification of LLMs Using Sparse Autoencoders
Arxiv
0+阅读 · 10月23日
Autoencoding Random Forests
Arxiv
0+阅读 · 10月23日
Diffusion Autoencoders with Perceivers for Long, Irregular and Multimodal Astronomical Sequences
Arxiv
0+阅读 · 10月23日
A surrogate model for topology optimisation of elastic structures via parametric autoencoders
Arxiv
0+阅读 · 10月21日
Matricial Free Energy as a Gaussianizing Regularizer: Enhancing Autoencoders for Gaussian Code Generation
Arxiv
0+阅读 · 10月20日
参考链接
父主题
机器学习
深度学习
子主题
对抗自编码
压缩自编码器
去噪自编码
变分自编码
去噪自编码器
稀疏自编码器
稀疏自编码
欠完备自编码
收缩自编码器
微信扫码咨询专知VIP会员
Top