Otokodlayıcı
![](http://upload.wikimedia.org/wikipedia/commons/thumb/3/37/Autoencoder_schema.png/220px-Autoencoder_schema.png)
Makine öğrenmesi ve veri madenciliği |
---|
![]() |
Problemler
|
|
|
Yapılandırılmış tahmin
|
|
|
|
Teori
|
Konferanslar ve dergiler
|
|
Otokodlayıcı, denetimsiz bir şekilde öğrenmek için kullanılan bir tür yapay sinir ağıdır.[1] Otokodlayıcının amacı veriyi temsil eden bir timsal vektörü öğrenmektir. Tipik olarak boyutsallık azaltma için kullanılır. Genel mimarisinde bir kodlayıcı bir de deşifre edici modülleri içerir. Kodlayıcı modül veriyi özümseyen bir timsal vektörü yaratırken deşifre edici modül ise bu timsal vektörünü kullanarak tekrar yeni veri oluşturmaktadır. Otokodlayıcı yapay sinir ağlarına örnek olarak Varyasyonel Otokodlayıcı ve de Derin Üretken Modeller verilebilir. Otomatik kodlayıcılar, yüz tanımadan[2] kelimelerin anlamsal anlamlarını elde etmeye kadar birçok uygulamalı problemin çözümünde etkili bir şekilde kullanılmaktadır.[3][4]
Temel Mimari
Temelde iki bölmeden oluşur: kodlayıcı ve deşifreci. Kodlayıcı bölme giderek boyutu azalan çok katmanlı perseptronlardan oluşur. Deşifreci bölme ise giderek artan çok katmanlı perseptronlardan oluşur. Kodlayıcıya verinin girdi boyutu ile deşifrecinin sonucundan oluşan çıktının nöron sayısı (boyutu) aynıdır.
Kaynakça
- ^ Kramer (1991). "Nonlinear principal component analysis using autoassociative neural networks" (PDF). AIChE Journal. 37 (2): 233-243. doi:10.1002/aic.690370209. 7 Kasım 2023 tarihinde kaynağından arşivlendi (PDF). Erişim tarihi: 18 Ocak 2021.
- ^ Hinton GE, Krizhevsky A, Wang SD. Transforming auto-encoders. 12 Kasım 2020 tarihinde Wayback Machine sitesinde arşivlendi. In International Conference on Artificial Neural Networks 2011 Jun 14 (pp. 44-51). Springer, Berlin, Heidelberg.
- ^ Liou (2008). "Modeling word perception using the Elman network". Neurocomputing. 71 (16–18): 3150. doi:10.1016/j.neucom.2008.04.030.
- ^ Liou (2014). "Autoencoder for words". Neurocomputing. 139: 84-96. doi:10.1016/j.neucom.2013.09.055.