Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow, 3rd Edition

KAPITEL 17

Autoencoder, GANs und Diffusionsmodelle

Autoencoder sind künstliche neuronale Netze, die eine effiziente Repräsentation der Eingabedaten, die latenten Repräsentationen oder Codings, ohne jegliche Überwachung erlernen können (d.h., der Trainingsdatensatz enthält keine Labels). Diese Codings haben üblicherweise eine viel niedrigere Dimensionalität als die Eingabedaten, was Autoencoder für die Dimensionsreduktion einsetzbar macht (siehe Kapitel 8), insbesondere für Visualisierungszwecke. Autoencoder helfen auch bei der Merkmalserkennung und lassen sich zum unüberwachten Vortrainieren von Deep-Learning-Netzen einsetzen (wie in Kapitel 11 besprochen). Schließlich können Sie zufällige neue Daten generieren, die den Trainingsdaten sehr ähnlich ...