版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/roguesir/article/details/84309561
paper:
摘要
本文提出了一种新的AE模型,能够更有效地获得鲁棒特征
介绍
如何提取鲁棒特征
Jacobian矩阵是多维
的一阶偏导,表示形式如下:
罚项
可以将特征空间收缩到训练数据更小的范围,这使得模型获得更好的不变性和鲁棒性。
AutoEncoder变种
AutoEncoder包括两个部分:encoder和decoder,起初AE模型的设计是为了实现数据降维,当encoder生成的code维度小于input维度时,就实现了降维的目标,此时的AE称为欠完备自编码器,反之,当code大于input维度时,称为过完备自编码器,在之前的博客中已经介绍,不做赘述。
基础的AutoEncoder结构
encoder过程将input映射到隐藏表征层,可以表示为:
其中,
是非线性激活函数,常规的像sigmoid函数,权重矩阵
的维度为
,偏置向量
。
decoder过程使用隐层输出重建生成
,表示如下:
其中,
是decoder的激活函数,可以是sigmoid函数。