خانه > ویدئو ها > یادگیری عمیق به زبان ساده : رمز نگار های خودکار – قسمت دهم

یادگیری عمیق به زبان ساده : رمز نگار های خودکار – قسمت دهم

رمز نگار های خودکار ( Autoencoders )  یک خانواده از شبکه های عصبی هستند که به خوبی برای یادگیری بدون نظارت مناسب است؛ روشی برای تشخیص الگوهای ذاتی در یک مجموعه داده. این شبکه ها همچنین می توانند برای برچسب زدن به الگوهای بدست آمده استفاده شوند.

در اصل ، رمز نگار های خودکار یک مجموعه داده را بازسازی می کنند و در فرایند ، ساختار ذاتی آن را کشف می کنند و ویژگی های مهم آن را استخراج می کنند. RBM نیز نوعی رمز نگار های خودکار است که قبلاً در مورد آن صحبت کردیم ، اما چندین مورد دیگر نیز وجود دارد.

رمز نگار های خودکار معمولاً شبکه های کم عمق هستند که رایج ترین آن ها دارای یک لایه ورودی ، یک لایه مخفی و یک لایه خروجی است. بعضی از شبکه ها ، مانند RBM ، فقط به جای سه لایه دارای دو لایه هستند. سیگنال های ورودی در طول مسیر به لایه پنهان رمز نگاری می شوند و همین سیگنال ها در طول مسیر به لایه خروجی رمز گشایی می شوند. مانند RBM ، می توان رمز نگار های خودکار را به عنوان مترجم دو طرفه تصور کرد.

رمز نگار های خودکار با استفاده از پس انتشار و مفهوم جدیدی به عنوان ” ضرر ” آموزش داده می شوند .ضرر میزان اطلاعات مربوط به ورودی را که از طریق فرایند رمز نگاری و رمز گشایی از دست رفته است را اندازه گیری می کند. هرچه مقدار ضرر کمتر باشد ، شبکه قوی تر می شود.

برخی از رمز نگار های خودکار دارای ساختاری بسیار عمیق هستند و تعداد مساوی از لایه ها را برای رمزگذاری و رمزگشایی در اختیار دارند. یک کاربرد اصلی برای رمز نگار های خودکار عمیق ، کاهش ابعاد است. به عنوان مثال ، این شبکه ها می توانند یک تصویر ۲۵۶*۲۵۶ پیکسل را به صورت جایگزین شده با تنها ۳۰ عدد تبدیل کنند. سپس می توان تصویر را با وزن و تعصب مناسب بازسازی کرد. علاوه بر این ، برخی از شبکه ها همچنین به منظور تقویت استحکام الگوهای کشف شده ، در این مرحله نویز تصادفی می افزایند. تصویر بازسازی شده ایده آل نخواهد بود ، اما نتیجه بسته به قدرت شبکه ، تقریب مناسبی خواهد داشت. هدف از این فشرده سازی ، کاهش اندازه ورودی بر روی مجموعه ای از داده ها قبل از تغذیه آن به یک کلاسه بندی عمیق است. ورودی های کوچکتر منجر به سرعت زیاد محاسباتی می شوند ، بنابراین این مرحله از پیش پردازش ارزش تلاش دارد.

آیا تاکنون از یک رمز نگار خودکار برای کاهش ابعاد داده های خود استفاده کرده اید؟  لطفاً نظرات خود را بیان کرده و تجربه ی خود را به اشتراک بگذارید.

رمز نگار های خودکار عمیق بسیار قدرتمند تر روش قبلی خود یعنی آنالیز مولفه های اصلی ( Principal Component Analysis ) هستند. در این ویدئو ، مقایسه دو رمز نامه مرتبط با اخبار مربوط به موضوعات مختلف را مشاهده خواهید کرد. در بین این دو مدل ، رمز نگار های خودکار عمیق را بسیار برتر خواهید یافت.

منبع Youtube
0/5 ( 0 نظر )

درباره‌ی احمدرضا جعفری

همچنین ببینید

مصاحبه با آزالیا میرحسینی یادگیری تقویتی عمیق

دانشمند ایرانی گوگل به هوش مصنوعی می‌آموزد که هوش مصنوعی بهتری ایجاد کند

سایت Towards Data Science با نظریه پرداز هوش مصنوعی بر روی تحقیقات مهم او در …

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *