オートエンコーダネットワークと完全にコンボリューション・ネットワーク間のDiffereneの

Question

オートエンコーダネットワークと完全畳み込みネットワークとの主な違いは何ですか？ これらの2つのネットワークのアーキテクチャの違いを理解できますか？

Answer 1

1] オートエンコーダ：

• Autoencodderは、次元削減技術
• では、エンコーダとデコーダ
• Enocder隠し表現（潜在空間表現）に生データをマッピングする二つの部分を有しています
• デコーダは隠し表現を元のデータに戻します
• ネットワークは自動的にこの非表示の担当者を学習しますこの隠された表現があなたのデータの最も重要な特徴であることが判明しました。
• 生データはエンコーダへの入力として送られ、潜在空間表現を出力します
• 今度はエンコーダの出力が生データ
• オートエンコーダを再生しようとするデコーダは教師なし学習以下

• のタイプは、デコーダネットワークにおけるエンコーダネットワークとデコンボリューション層に畳み込み層を使用するオートエンコーダの図である

  

2] 畳み込みネットワーク：

• 畳み込みネットワークは、フィルタの畳み込みネットワークセット内の画像
• ために使用され、フィルタは、データ
間で共有されている
• を畳み込むために使用され
• データ共有の重みを意味する
• filtの各ピクセル値ERはこのリンクhttps://www.youtube.com/watch?v=C_zFhWdM4ic
• ごと畳み込み層を畳み込み演算チェックを知るために重量
• である。この畳み込み演算
• 畳み込みネットワークは、教師付き学習の種類
• 畳み込みネットワークは
をダウンサンプリングするためにプーリング演算を使用しているん

• 以下は畳み込みネットワークの図です。

• 上記の図では、通常、クラシファイアは完全に接続されたレイヤーです

• しかし、完全に接続されたレイヤーを分類子として使う必要はありません。http://cs231n.github.io/convolutional-networks/

3] 完全に接続されたレイヤー：ニューロンと

• これらは、単純なレイヤーあなたは
• あなたは、畳み込みネットワークやMLPネットワークとの違いを理解するためにこれを参照することができ、他の分類器を使用することができます
• 各ニューロンは、入力に基づいて重みのセットを持っています
• 以下は、完全に接続されたレイヤーの図です