AutoEncoder

کاهش ابعاد یکی از روش‌ های مهم در یادگیری ماشین و داده‌ کاوی است که در آن تلاش می‌شود با حذف بخش‌های غیر مهم داده‌ ها، بخش‌های اساسی آن‌ها نگهداری شود. این مورد علاوه بر کاهش فضای مورد نیاز می‌تواند برای کاهش نویز نیز استفاده شده و بعضا ویژگی‌های بهتری نیز برای مدل‌ها فراهم کند. در این زمینه PCA یکی از روش‌ های شناخته شده است. با این وجود PCA مبتنی بر تبدیل‌ های خطی است و نمی‌تواند توابع غیر خطی را به درستی مدل کند. خودرمزگذار (AutoEncoder) یک روش مبتنی بر یادگیری عمیق است که ویژگی مدل‌ سازی غیر خطی را نیز دارد. در فیلم AutoEncoder  نخست با مفهوم خودرمزگذار آشنا شده و سپس به پیاده‌ سازی آن در چند وظیفه خواهیم پرداخت.

دانلود

فیلم های آموزشی مرتبط با AutoEncoder :

فیلم آموزشی مباحث پیشرفته یادگیری عمیق؛ Transformer

فیلم آموزشی یادگیری ماشین برای علوم پزشکی

فیلم آموزشی مباحث پیشرفته یادگیری عمیق؛ Graph Convolution Network (GCN)

فیلم آموزشی یادگیری عمیق (deep learning)

مباحث پیشرفته یادگیری عمیق؛ شبکه های توجه گرافی (Graph Attention Networks)

Variational Graph Auto-Encoder