به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

0 امتیاز

با سلام
در آموزش یک sparse autoencoder برای استخراج ویژگی از تصویر، اگر یک لایه مخفی داشته باشیم، ویژگیهایی که استخراج می شود شبیه لبه هستند. که در واقع همان وزنهای آموزش دیده شده اند، اما اگر دولایه کار کنیم ویژگی های استخراج شده را آیا می توان به تصویر در آورد؟ چگونه؟
متشکرم

سوال شده توسط (102 امتیاز)
برچسب گذاری دوباره توسط

1 پاسخ

+1 امتیاز

سلام. بله امکانش هست. خروجی لایه میانی را به ماتریس تبدیل کنید و سپس ماتریس را به صورت تصویر نمایش بدین.
به این تصویر دقت کنید:
ویژگی های آموزش دیده شده در لایه های مختلف

پاسخ داده شده توسط (535 امتیاز)

سوال من یک اوتوانکدر هست که با شبکه عصبی پیاده می شه

شکلی که فرستادین گویا مربوط به این مقاله است اگه اشتباه نکنم:
http://people.csail.mit.edu/rgrosse/icml09-cdbn.pdf
عنوان مقاله هست
Convolutional Deep Belief Networks
for Scalable Unsupervised Learning of Hierarchical Representations

سوال من درباره یک اوتوانکدر ساده است. آیا امکان داره و چگونه؟
.........

همان طور که در پاسخ گفتم بله امکانش هست و شکل رو تنها برای مثال مفهوم عمق لایه ها گفتم. لینک هایی که آقای حسن پور گذاشتن خروجی بر روی AE هستش که می تونید ببینید.
...