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 thefirst stage introduction 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 (украинский) 2:

Автокодувальник 4.1.2.5.1 з накопиченням (SAE) авто-кодер (AE) підходить для скорочення функцій і зменшення розмічності [43]. Базовий автокодер має два етапи: 1) кодування та 2) стадії декодування [45]. Перший етап отримує вхідні дані та перетворює його на нове представлення, зване кодом або прихованою змінною, тоді як другий етап отримує згенерований код на першому етапі введення вихідних даних [43]. Процедура навчання спрямована на мінімізацію похибки реконструкції [43]. SAE навчається двоетапним підходом. Підготовка до стадії підготовки включає в себе підготовку початкових параметрів у жадібних шарі, неконтрольованих стиль, в той час як наступний етап тонкої настройки робить використання контрольований підхід до точного налаштування параметрів моделі щодо марковані екземпляри шляхом додавання softmax шар на верхньому шарі [45].