Автоэнкодеры | Глубокое обучение в анимации скачать в хорошем качестве

Автоэнкодеры | Глубокое обучение в анимации

В этом видео мы погрузимся в мир автокодировщиков — фундаментальной концепции глубокого обучения. Вы узнаете, как автокодировщики упрощают сложные данные, превращая их в простые представления, известные как латентные пространства. Мы подробно рассмотрим архитектуру, процесс обучения и практические применения автокодировщиков, объяснив, как и почему мы используем латентное пространство этих моделей. Мы начнём с определения того, что такое автокодировщик и как он работает, продемонстрировав роль кодировщика, узкого места и декодера. На практических примерах мы покажем, как автокодировщики сжимают данные, объясним важность латентного измерения и как измерять точность реконструкции с помощью среднеквадратической ошибки (MSE). Мы также рассмотрим, как латентные пространства эволюционируют и организуются в процессе обучения, и как их применять в таких задачах, как классификация изображений и анализ медицинских данных. Если вы хотите узнать больше об автокодировщиках, вот несколько классических статей Йошуа Бенджио, Джеффри Хинтина и Паскаля Винсента: Сокращение размерности данных с помощью нейронных сетей https://www.science.org/doi/10.1126/s... Извлечение и композиция робастных признаков с помощью автокодировщиков с шумоподавлением https://www.cs.toronto.edu/~larocheh/... Сжимающие автокодировщики: явная инвариантность при извлечении признаков https://www.iro.umontreal.ca/~lisa/po... Главы: 00:00 Введение 00:50 Основы автокодировщиков 04:15 Латентное пространство 06:05 Латентное Измерение 08:50 Применение 10:03 Ограничения 11:25 Заключение В этом видео представлены анимации, созданные с помощью Manim и вдохновлённые работой Гранта Сандерсона в @3blue1brown. Вот код, который я использовал для создания видео: https://github.com/ytdeepia/Autoencoders Если вам понравился контент, поставьте лайк, оставьте комментарий и подпишитесь на канал, чтобы поддержать канал! #DeepLearning #Autoencoders #ArtificialIntelligence #DataScience #LatentSpace #UNet #Manim #Tutorial #machinelearning #education