首页
›
生物信息学与 AI 制药工程
›
050-分子动力学特征学习任务
›
《自编码器特征降维与无监督模型训练》
VIP20
本课程属于:050-分子动力学特征学习任务
生物信息学与 AI 制药工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
自编码器特征降维与无监督模型训练
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
自编码器概述
从降维需求到自编码器的基本思想 · 与传统PCA的直观对比
自编码器概述
从降维需求到自编…
02
自编码器的数学基础
线性变换 · 激活函数 · 损失函数(MSE
自编码器的数学基…
线性变换
03
单层线性自编码器
搭建最简单的线性自编码器 · 在MNIST上实现降维可视化
单层线性自编码器
搭建最简单的线性…
04
多层感知机自编码器
引入隐藏层和激活函数 · 非线性降维能力初探
多层感知机自编码…
引入隐藏层
05
自编码器的训练技巧
权重初始化 · 学习率调度 · 批量归一化的作用
自编码器的训练技…
权重初始化
06
稀疏自编码器
加入稀疏性约束(KL散度惩罚) · 学习更具解释性的特征
稀疏自编码器
KL
07
降噪自编码器
输入加噪 · 迫使模型学习鲁棒特征 · 防过拟合
降噪自编码器
输入加噪
08
堆叠自编码器
逐层预训练与微调 · 搭建深度自编码器结构
堆叠自编码器
逐层预训练
09
卷积自编码器
针对图像数据的卷积与池化层设计 · 保持空间结构
卷积自编码器
针对图像数据的卷…
10
变分自编码器(VAE)原理
从概率视角理解自编码器 · 潜在空间的正则化
VAE
变分自编码器
11
VAE的损失函数
重构损失 + KL散度的推导与实现
VAE
的损失函数
12
VAE的采样技巧
重参数化技巧的Python实现(使用…
VAE
的采样技巧
13
条件变分自编码器(CVAE)
在解码器/编码器中加入条件标签 · 生成可控样本
CVAE
条件变分自编码器
14
自编码器用于异常检测
重构误差作为异常分数 · 在工业数据上的实践
自编码器用于异常…
重构误差作为异常…
15
自编码器用于数据压缩
量化与编码算法 · 比较JPEG与自编码器压缩比
自编码器用于数据…
量化
16
对抗自编码器(AAE)
引入对抗训练 · 强制潜在空间服从先验分布
AAE
对抗自编码器
17
变分自编码器与流模型的对比
与Normalizing Flows · GAN的优缺点
变分自编码器
流模型的对比
18
自编码器的超参数调优
隐层大小 · 层数 · 学习率
自编码器的超参数…
隐层大小
19
自编码器的可视化技术
潜在空间2D/3D散点图 · t-SNE后处理
自编码器的可视化…
D/3D
20
自编码器在推荐系统中的应用
协同过滤中的隐向量提取
自编码器
推荐系统
21
自编码器在自然语言处理中的应用
词向量预训练 · 文本降噪
自编码器
自然语言处理
22
时序自编码器
使用LSTM/GRU构建序列自编码器 · 实现时间序列降维
时序自编码器
LSTM/GRU
23
自编码器的过拟合问题
Dropout · 权重衰减 · 早停的具体设置
自编码器的过拟合…
Dropout
24
自编码器的特征提取能力评估
使用重构质量 · 下游分类准确率等指标
自编码器的特征提…
使用重构质量
25
大规模数据下的自编码器
分布式训练 · 梯度积累 · 混合精度训练
大规模数据下的自…
分布式训练
26
自编码器的工业部署
模型导出(ONNX/TensorRT… · 推理加速
自编码器的工业部…
ONNX/TensorR…
27
自编码器的可解释性
重构特征图分析 · 隐藏层神经元激活模式
自编码器的可解释…
重构特征图分析
28
自编码器的变体汇总
深度自编码器 · 变分自编码器 · 稀疏自编码器
自编码器的变体汇…
深度自编码器
29
实战项目一
用自编码器对图像数据集(如CIFAR…
实战项目一
CIFAR
30
实战项目二
用自编码器检测银行交易数据中的异常 · 并对比传统方法(PCA · 孤立森林)
实战项目二
用自编码器检测银…
所属VIP或分类
同VIP:DBSCAN构象状态划分方法
同VIP:GROMACS坐标对齐与周期性修正实战
同VIP:GROMACS轨迹读取失败排查教程