- @ThothChildren
- 2017.9.13
- PV 219
Denoising AutoEncoder
ー 概要 ー
Denoising AutoEncoderは通常のAutoEncoderでは入力と出力を同じにして学習させるのに対して、わざと入力にノイズを載せそこから元の入力を出力するように学習させる技術です。
この章を学ぶ前に必要な知識
条件
- 入力と出力のベクトルは同じ次元
効果
- 通常のAutoEncoderより特徴を捉えた学習が行える
- ノイズに強くなったAutoEncoderになる
ポイント
- 入力は入力ベクトルにノイズをのせ、正解はもとの入力ベクトルにする
解 説
Denoising AutoEncoderはAutoEncoderでは入力と出力が同じになるような学習をさせていたところを、入力に少しノイズを乗せた上で出力は元の入力を出すように学習させている技術です。
ノイズが入力に入るためただ入力の一部の特徴をそのまま出力するのは許されず、AutoEncoderよりロバストな特徴量を持つようになります。 | AutoEncoderとは |
もっと理論的な詳しい内容を知りたい方は右の論文へのリンクを参照ください. | 外部リンク Denosing AutoEncoder元論文 |
Denosing AutoEncoderのネットワーク構造(ネットワーク構造自体はAutoEncoderと変わらない.) |
この章を学んで新たに学べる
Comments
Reasons
知識: AutoEncoderとは
AutoEncoderとはニューラルネットで入力と出力を等しいものにして、ネットワークの前半と後半で対称的にした構造を持つネットワーク。特徴抽出器として使われる。