李宏毅机器学习_10-4无监督学习-自编码器

没有数据的时候直接自我学习，非常妙

深度学习，每层用不同维度，能把不同层面的特征学习出来，更好的表示输入的特征向量

加入噪音，鲁棒性会更好，不仅能学到输入的特征，还能把噪音数据过滤掉

传统的词袋发只是累计的一个词频统计而已，并没有把上下文的语义信息考虑进来

相似度匹配的前提是，这个进行相似度计算的向量一定是足够好的能表示输入图像、文本、语音特征的向量，那要训练出这样的向量，数据不能少，模型足够好

图像的回复

池化就是补零回复而已，反卷积其实本质上还是一个卷积运算，补零后进行卷积运算而已

预训练模型只是，无监督自编码的一个应用而已

引入L2正则化，让向量分布在0的周围，取周围的向量，恢复后，能看到机器确实能学到有规律的不一样的特征

标签：10,编码器,卷积,李宏毅,学习,特征,而已,补零,向量
来源： https://blog.csdn.net/qq_15821487/article/details/116882625