4.1.2.5.1 Stacked auto-encoder (SAE

4.1.2.5.1 Stacked auto-encoder (SAE). Auto-encoder (AE) are suitable for feature extraction and dimensionality reduction [43]. A basic auto-encoder has two stages: 1) encoding and 2) decoding stage [45]. The first stage receives the input data and transforms it to a new representation, called a code or latent variable, whereas the second stage receives the generated code at the first stage andreconstruct the original input data [43]. The training procedure aims at minimizing the reconstruction error [43]. An SAE is trained by a two-stage approach. The pre-training stage includes training the initial parameters in a greedy layer-wise unsupervised style, whereas the next fine-tuning stage makes use of a supervised approach to fine-tune the parameters of the model with respect to the labelled instances by adding a softmax layer on the top layer [45].

Результаты (русский) 1:

4.1.2.5.1 штабели автоматического датчика (SAE). Авто-кодер (АЕ) пригоден для выделения признаков и сокращения размерности [43]. Основной авто-кодер имеет два этапа: 1) кодирования и декодирования 2) этап [45]. Первый этап принимает входные данные и преобразует его в новое представление, называется кодом или латентной переменной, в то время как второй каскад принимает сгенерированный код на этапе первой andreconstruct исходные входные данные [43]. Процедуры обучения направлена ​​на сведение к минимуму ошибки реконструкции [43]. SAE обучается два этапа подхода. Этап предварительного обучения включает в себя подготовку исходных параметров в жадном послойном неконтролируемом стиле, в то время как следующий определяет настройку этап используют контролируемый подход к фи п-настраивать параметры модели в отношении меченых экземпляров, добавив SoftMax слой на верхнем слое [45].

Результаты (русский) 2:

4.1.2.5.1 Stacked auto-кодера (SAE). Автокодер (AE) подходит для извлечения функций и снижения размерности. Базовый автокодер имеет два этапа: 1) кодирование и 2) этап декодирования. Первый этап получает входные данные и преобразует их в новое представление, называемое кодом или скрытой переменной, в то время как второй этап получает сгенерированный код на первом этапе и реконструирует исходные входные данные. Процедура обучения направлена на минимизацию ошибки в реконструкции. SAE обучается с помощью двухэтапного подхода. Предтренировочный этап включает в себя обучение первоначальных параметров в жадном слое-мудрый неконтролируемый стиль, в то время как на следующем этапе тонкой настройки использует контролируемый подход к тонкой настройке параметров модели по отношению к маркированным экземплярам, добавив слой softmax на верхнем слое .

Результаты (русский) 3:

4.1.2.5.1 пакетные автоматические кодеры (СЭ).автоматическое кодирующее устройство (AE) применяется для извлечения и снижения характеристик [43].базовая кодировка состоит из двух этапов: 1) стадия кодирования и 2) стадия декодирования [45].на первом этапе принимаются входные данные и преобразуются в новые выражения, называемые кодами или потенциальными переменными, а на втором этапе получаются генерируемые коды и создаются исходные входные данные на первом этапе [43].учебный процесс призван свести к минимуму ошибки в восстановлении [43].SAE использует двухэтапный метод обучения.этап предварительной подготовки включает в себя обучение первоначальным параметрам методом алчности иерархии без надзора, а на следующем этапе доработки с использованием методов контроля, уточнение параметров модели путем добавления слоя sofmax в верхние слои для иллюстрации маркеров [45].