Auto-encoder
Een auto-encoder is een encoder-decoder neuraal netwerk, gepopulariseerd door Hinton en Salakhutdinov in 2006, dat data comprimeert tot een laag-dimensionale latente code en deze vervolgens reconstrueert, wat dimensionaliteitsreductie en anomaliedetectie mogelijk maakt. Door te leren zijn eigen input te herbouwen via een nauwe bottleneck, ontdekt het een compacte representatie van de data.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Autoencoder (Encoder-Decoder Neural Network for Dimensionality Reduction). ScholarGate. https://scholargate.app/nl/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.
- FactoranalyseOnderzoeksstatistiek↔ compare
- K-means ClusteringMachine learning↔ compare
- HoofdcomponentenanalyseMachine learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →