Autoencoder
En autoencoder er et encoder-decoder neuralt netværk, populariseret af Hinton og Salakhutdinov i 2006, der komprimerer data til en lavdimensionel latent kode og derefter rekonstruerer den, hvilket muliggør dimensionsreduktion og anomalidetektion. Ved at lære at genopbygge sit eget input gennem en snæver flaskehals opdager den en kompakt repræsentation af dataene.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Kilder
- Hinton, G.E. & Salakhutdinov, R.R. (2006). Reducing the Dimensionality of Data with Neural Networks. Science, 313(5786), 504–507. DOI: 10.1126/science.1127647 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Autoencoder (Encoder-Decoder Neural Network for Dimensionality Reduction). ScholarGate. https://scholargate.app/da/deep-learning/autoencoder
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- FaktoranalyseForskningsstatistik↔ compare
- K-means ClusteringMaskinlæring↔ compare
- Principal Component AnalysisMaskinlæring↔ compare
- Variational AutoencoderDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →