机器学习---自编码器

自编码器过程

输入一个图片,经过encoder变成一个向量,再通过decoder将这个向量反向生成输入的图片。

这里我们希望输入和输出越接近越好。这个过程我们称为重建。

特点:不需要任何的标注资料。

在2006年这个思想就被提出来了:

常见变形:试图还原加入噪声之前的图片---消除噪声的功能

自编码器不仅用在图像上,也可以用在音频、文本中。

FD技术希望可以在压缩完的数据中分析出对应的信息类型。

应用场景

不可能在实现每一句话都找两个人同时发音记录,我们期望两个人记录一些对话之后就可以训练一个模型,任何语音都可以实现转化。

技术实现:

可以实现将声音和内容进行互换:

应用:Discrete Representation

应用:text as representation

可以实现摘要总结,但是这个摘要属于EN和DN之间的暗号,我们直接查看是看不懂的,所以我们应该怎么做呢?

应用:压缩技术

应用:异常检测

相关推荐
Ysn071918 分钟前
YOLO-Master工程:experts.py 专家结构详解与目标检测专家设计启发
人工智能·yolo·目标检测
BingoGo19 分钟前
使用 GPT-6 Astra 模型 请立刻更新你的 Skill 与提示词
人工智能
香菜+23 分钟前
端侧视频分析 · 架构笔记
人工智能
s1ckrain26 分钟前
【论文阅读】A Survey on Vision–Language–Action Models for Embodied AI
论文阅读·人工智能·多模态·具身智能
深圳雨林凯AI44 分钟前
图案裂变的“风格归一化“设计思路:主体保得住,画风才拉得齐|雨林凯AI技术笔记
人工智能·笔记
DevNo1 小时前
英文会议转中文纪要,三款AI工具实测体验
人工智能
深小乐1 小时前
AI 说话越来越难懂?Anthropic 员工都在用 ELI5 这个图解 Skill
人工智能
问天_观心1 小时前
大模型微调学习(二)
人工智能·python·深度学习·学习·语言模型·transformer
甲维斯1 小时前
我要吹爆GPT6了!实测3列惊为天人!
人工智能
pnoker1 小时前
IoT DC3 概念解读:把设备抽象成一套语义模板——位号、指令、事件与面向智能体的设备建模
java·人工智能·物联网·iot·dc3