无监督训练用堆叠自编码器是否落伍？ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

浅层自编码器

深度自编码器（原版 AE）

堆叠自编码器

稀疏自编码器

去噪自编码器

变分自编码器（VAE）

Beta 变分自编码器（beta-VAE）

向量量化变分自编码器（vq-VAE）

重建质量

对来自潜在空间的样本的解码质量

潜在空间插值质量

利用 UMAP 可视化得到的潜在空间结构

利用重建误差的异常检测 ROC 曲线

拟合自编码器特征的线性层的分类准确率

机器学习 深度学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。