自编码器在特征学习应用中的展示
机器学习
2020-05-12 v1
摘要
自编码器是基于人工神经网络的数据表征学习技术。不同于其他可能专注于寻找特征空间特定变换的特征学习方法，它们可被调整以服务于多种目的，如数据可视化、去噪、异常检测和语义哈希。本文展示了这些应用，并详述自编码器如何实现它们，包括使用具有易用接口、用于自编码器设计与训练的R包 \texttt{ruta} 的代码示例。在此过程中，我们提供了关于各项学习任务如何达成的说明，旨在帮助读者针对这些或其他目标设计自己的自编码器。
引用
@article{arxiv.2005.04321,
title = {A Showcase of the Use of Autoencoders in Feature Learning Applications},
author = {David Charte and Francisco Charte and María J. del Jesus and Francisco Herrera},
journal= {arXiv preprint arXiv:2005.04321},
year = {2020}
}
备注
This manuscript was accepted as conference paper in IWINAC 2019. The final authenticated publication is available online at https://doi.org/10.1007/978-3-030-19651-6_40