Публикации по теме 'variational-autoencoder'
Выявление аномалий с помощью вариационных автоэнкодеров (VAE): глубокое погружение в мир…
Пример использования вариационных автоэнкодеров (VAE) для обнаружения аномалий во всех типах данных.
В предыдущем посте я объяснил, что такое автоэнкодеры, для чего они используются и как использовать их при обучении модели обнаружения аномалий. Напоминаем, что автоэнкодеры — это тип нейронной сети, который обычно используется для уменьшения размерности и функций обучения. Они также обычно используются для обнаружения аномалий, поскольку они могут научиться восстанавливать..
Разница между автоэнкодером (AE) и вариационным автоэнкодером (VAE)
Как вы можете сжимать данные или даже генерировать данные из случайных значений? Вот что такое автоэнкодер и вариационный автоэнкодер.
Умение упрощать означает устранять ненужное, чтобы необходимое могло говорить — Ганс Хофманн
Контекст — сжатие данных
Сжатие данных является важным этапом обучения сети. Идея состоит в том, чтобы сжать данные, чтобы тот же объем информации мог быть представлен меньшим количеством битов. Это также помогает решить проблему проклятия размерности...
Изучение вариационных автоэнкодеров (VAE) для сжатия изображений
Полное руководство по коду с использованием Comet ML
Введение
В эпоху больших данных сжатие изображений стало необходимым для снижения затрат на хранение и передачу без ущерба для качества изображения. Традиционные методы сжатия, такие как JPEG, GIF и PNG, используют методы с потерями или без потерь, которые используют избыточность в значениях пикселей. Хотя эти методы эффективны, они ограничены тем, сколько данных они могут сжать.
Методы сжатия, основанные на глубоком обучении,..
Генерация шрифтов с помощью вариационных автоэнкодеров
Шрифт важнее, чем мы думаем. Дизайн шрифтов стал одним из наиболее важных аспектов маркетинга для многих основных потребительских брендов, поскольку он отражает их индивидуальность и тон. Поскольку люди стали уделять все больше и больше внимания дизайну шрифтов, особенно созданию логотипов, рынок шрифтов начал значительно расти. В настоящее время существуют сотни веб-сайтов с дизайном шрифтов и базами данных шрифтов. Так почему бы не сделать этот процесс более настраиваемым? Почему бы не..
Оптимизируйте то, что вы можете предсказать: оптимизация на основе модели с использованием вариационных автокодировщиков
Это совместная работа с Жюльеном Герценом . Полный код доступен здесь .
В этом посте мы изменим направление традиционного машинного обучения. Обычно направление идет от данных к свойству: строят модель, которая предсказывает для точки данных определенное свойство. Мы собираемся исследовать другое направление: от собственности к точке данных. Наша высокоуровневая цель - начать с желаемого свойства и изменять точку данных до тех пор, пока это свойство не будет удовлетворено...
Понимание векторных квантованных вариационных автоэнкодеров (VQ-VAE)
Из моей последней эскапады в литературу по глубокому обучению я представляю вам эту статью Oord et. др. который представляет идею использования дискретных скрытых вложений для вариационных автокодировщиков . Предлагаемая модель получила название векторных квантованных вариационных автоэнкодеров (VQ-VAE). Мне очень понравилась идея и полученные результаты, но я нашел на удивление мало ресурсов для развития понимания. Это попытка помочь другим, кто может отважиться зайти в эту область..
Изучение распутанных представлений с помощью вариационных автоэнкодеров
Преамбула
В этой статье будут рассмотрены основы вариационных автоэнкодеров (VAE) и их использование для изучения распутанных представлений многомерных данных со ссылкой на две статьи: Обучение байесовскому представлению с ограничениями Oracle Karaletsos et. др., и Выделение источников распутывания в вариационных автоэнкодерах от Chen et. al. Также кратко будут упомянуты некоторые открытые области исследований в области VAE.
Введение (I): вариационный вывод и автоэнкодеры..
