Автокодирующие устройства

Выполнять неконтролируемое изучение особенностей с помощью нейронных сетей автокодера

Если у вас есть немеченые данные, выполните неконтролируемое обучение с помощью нейронных сетей автокодера для извлечения признаков.

Классы

Autoencoder Класс автокодировщика

Функции

`trainAutoencoder`	Обучение автокодировщика
`trainSoftmaxLayer`	Обучение уровня softmax классификации

`decode`	Декодирование кодированных данных
`encode`	Кодирование входных данных
`generateFunction`	Создание функции MATLAB для запуска автокодера
`generateSimulink`	Создание модели Simulink для автокодера
`network`	Новообращенный `Autoencoder` объект в `network` объект
`plotWeights`	Постройте график визуализации весов для кодера автокодера
`predict`	Реконструируйте входные данные с помощью обученного автокодера
`stack`	Стек кодеров из нескольких автокодеров вместе
`view`	Просмотр автокодировщика

Темы

Составные автокодеры для классификации изображений

В этом примере показано, как обучить накопленные автокодеры классифицировать изображения цифр.

Документация по инструментам для глубокого обучения

Поддержка

Памятка переводчика

1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.

2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.

3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.

4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.

5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.