Das deutsche Python-Forum

Hallo,

Thema Autoencoder in neuronalen Netzen. Die drei Vorteile des Autoencoders sind ja bekanntlich:
1-Datenkomprimierung
2-Klassifizierung von Daten -> Unbewachtes Lernen
3-Rauschentferung (von beispielsweise Bilder)

Punkt 2 und 3 sind mir klar, aber Punkt 1 nicht. Wieso oder wie komprimiert der Autoencoder Daten? Wie kann man sich das praktisch vorstellen? Mir ist klar das im Flaschenhals in der Mitte ein Komprimierung der Daten stattfindet, aber um das zu nutzen, benötigt man das gesamte neuroyale Netz und unter dem Strich sind das dann mehr Daten??? Bitte hilft mir.

Das ist alles sehr speziell auf NNs abgestellt was du hier fragst. Und hat mit Python erstmal nix zu tun. Ich würde nach spezielleren Foren suchen, oder Stackoverflow bemühen.

Beim Entfernen von Rauschen geht Information verloren, dass ist dann eine Komprimierung.

http://ufldl.stanford.edu/tutorial/imag ... der636.png

Auf der Ebene L2 hast du weniger Neuronen als auf L1, wenn du also nur den Zustand L2 speicherst, hast du deine Daten komprimiert.

Wenn du sie wieder Dekomprimieren willst musst du die L2 Daten durch den "Decoder" Teil des Autoencoders hauen und hast wieder ein Ergebnis, was wenn's gut lief, den Eingangsdaten nahe kommt.