Autoencoder
Ein Autoencoder ist ein Encoder-Decoder-Neuronales Netz, das 2006 von Hinton und Salakhutdinov populär gemacht wurde und Daten in einen niedrigdimensionalen latenten Code komprimiert und diesen dann rekonstruiert, was Dimensionsreduktion und Anomalieerkennung ermöglicht. Indem es lernt, seine eigene Eingabe durch eine schmale Engstelle wiederherzustellen, entdeckt es eine kompakte Darstellung der Daten.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Autoencoder (Encoder-Decoder Neural Network for Dimensionality Reduction). ScholarGate. https://scholargate.app/de/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.
- FaktorenanalyseForschungsstatistik↔ compare
- K-means ClusteringMaschinelles Lernen↔ compare
- HauptkomponentenanalyseMaschinelles Lernen↔ compare
- Variationaler AutoencoderDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →