autoencoders variational vae
Early lameness detection in dairy cattle based on wearable gait analysis using semi-supervised LSTM-Autoencoder
一区top Computers and Electronics in Agriculture 题目：“基于半监督 LSTM-自动编码器可穿戴步态分析的奶牛早期跛行检测” (Zhang 等, 2023, p. 1) (pdf) “Early lameness detection in dairy ca ......
生成模型—VAE
生成模型—VAE(Variational Auto-Encoder) 为进一步了解面部反应生成模型的原理，故详细学习VAE。 Auto-encoder 感谢李宏毅老师的视频！ 自编码器是一种无监督学习的神经网络模型，可以用于数据降维、特征压缩、特征提取、数据生成等任务。其主要思想是尝试将输入数据通过 ......
f-VAEGAN-D2：VAE+GAN处理零样本学习问题
虽然f-VAEGAN-D2在题目中说“适用任意样本”，但对比的Few-shot相关的实验较少，这里仅讨论零样本学习的情况。 1. 背景介绍 由于为每个对象收集足够数量的高质量带标签样本难以实现，使用有限的标签进行训练学习一直是一个重要的研究方向。零样本学习（Zero-Shot Learning, Z ......
根据语音生成全身姿态；基于变分贝叶斯框架的VAE模型；CFG是一种隐式的Perceptual Loss！
本文首发于公众号：机器感知 根据语音全身姿态；基于变分贝叶斯框架的VAE模型；CFG是一种隐式的Perceptual Loss！ Diffusion Model with Perceptual Loss 本文研究了扩散模型在生成样本时的质量问题，作者发现使用均方误差损失训练的模型生成的样本往往不真实 ......
QARV: Quantization-Aware ResNet VAE for Lossy Image Compression
目录简介创新之处模型结构实验结果 什么是Quantization-Aware量化感知？ 简介 该文章基于VAE提出一种新的有损图像压缩方法，起名叫quantization-aware ResNet VAE (QARV). 这种方法集成了测试时间量化和量化感知训练，没有它就无法进行熵编码？ 除此之外还 ......
FLAC: Federated Learning with Autoencoder Compression and Convergence Guarantee-2022
目的：减少通信量(成本)，例如VGGNet架构具有大约1.38亿个参数（4264 Mb） 方法：具有自动编码器压缩（Autoencoder Compression）且具有收敛保证（Convergence Guarantee）；利用冗余信息（the redundant information）和FL的 ......
生成模型的两大代表：VAE和GAN
生成模型 给定数据集，希望生成模型产生与训练集同分布的新样本。对于训练数据服从\(p_{data}(x)\)；对于产生样本服从\(p_{model}(x)\)。希望学到一个模型\(p_{model}(x)\)与\(p_{data}(x)\)尽可能接近。 这也是无监督学习中的一个核心问题——密度估计问 ......
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier.
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier. 作者: Lu Cuihong; Xie Minzhu 作者背景: College of Information S ......
自动编码器（Autoencoders）和序列到序列（Sequence-to-Sequence）模型区别
核心区别 应用范围：自动编码器主要用于数据的压缩、重建和特征提取，而序列到序列模型用于处理序列数据，特别是在输入和输出都是长度可变的序列的情况下。 数据处理方式：自动编码器处理固定大小的输入和输出，而序列到序列模型处理的输入和输出通常是长度可变的序列。 任务类型：自动编码器更多用于无监督学习任务，而 ......
VARIATIONAL IMAGE COMPRESSION WITH A SCALE HYPERPRIOR
abstruct 描述了一个变分自编码器的端到端图像压缩模型。这个模型结合了超先验来捕获潜在表示的空间依赖性，这种超先验涉及到了边信息。并且改模型与底层的自编码器结合联合训练一个复杂的先验。 introduction 熵编码依赖于编码器和解码器都知道的量化表示的先验概率模型（熵模型）。这种压缩潜在表 ......
Variational Autoencoders for Collaborative Filtering论文阅读笔记
摘要 将VAE扩展到具有隐式反馈的协同过滤，这样能够超越线性因子模型。提出了一个具有多项式条件似然的神经生成模型。目前推荐系统用的比较多的是rank指标，这里本文也说明了为什么多项似然非常适合隐式反馈数据建模。相对于高斯函数和逻辑函数更加接近rank损失 马上提出了一个比较有意思的观点，虽然推荐被认 ......
AutoRec Autoencoders Meet Collaborative Filtering 论文阅读笔记
这个是第一篇将自编码器应用到推荐系统中的论文，也是将深度学习应用到推荐系统中的论文。比较老，主要学习它的思想，对输入的编码与重建。这篇文章提出了基于AutoEncoder的协同过滤方法来解决评分预测问题 我们的目标就是设计一个基于项目或者用户的自动编码器，它可以将每个部分观察到的\(r^u(r^i) ......
Variational Autoencoders（VAE）
在过去的几年中，基于深度学习的生成模型越来越受到关注，一方面这是因为该领域产生了一些惊人改进，另一方面受到关注也暗示着该领域进展迅猛。 依靠大量数据，精心设计的网络体系结构和智能培训技术，深入的生成模型已经显示出了令人难以置信的能力，可以生成各种高度逼真的各种内容，例如图像，文本和声音。 在这些深层 ......
关于Halcon中variation_model模型的快速解读。
关于Halcon中variation_model模型这方面的资料网络上也基本是空白，不过好在Halcon的帮助文档非常人性化，经过自己的尝试，基本复现了这个算子的各个细节，分享供大家共同研究。 ......
Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读
2023 ICCV Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读，思想很妙，该笔记非常简要 ......
音频数据的自定义DataLoader及其AutoEncoder降噪算法
DataLoader要求每一个Batch里面的数据的 shape 都一样，但是语音数据显然不可能都是等长的，因为每一条语音长度都不一样，因此在定制DataLoader的时候还要对每一个 batch 的数据进行剪裁（crop）或者填充（padding）处理。 这里采用 padding来对齐数据，方法采 ......
手写数字数据集AutoEncoder降噪算法
对训练数据加噪声的方法，在训练里面对 x 做如下处理，添加椒盐噪声： bs, ch, h, w = x.shape x = x.reshape(bs, ch, h*w) + 0.2*np.random.normal(size=28*28) x = x.to(torch.float32) 数据集里面的 ......
VAE 学习笔记
VAE 是 AE的变体。主要目的是让模型学习数据的分布，最后让解码器(decoder)部分具有生成样本的能力。 VAE可看做高斯混合模型(GMM)的扩展。 GMM中，数据由多个高斯分布来描述: \[p(x) = \sum_{k=1}^{K}P(z_{k})P(x|z_{k}) \]其中 $z \si ......
基于Autoencoder自编码的64QAM星座图整形调制解调通信系统性能matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 自编码器（Autoencoder）是一种深度学习模型，可以通过无监督学习的方式来学习数据的低维表示。64QAM星座图整形调制解调通信系统是一种数字通信系统，可以在有限的带宽资源下实现高速数据传输。 4.4 实现过 ......
基于AutoEncoder自编码器的人脸识别matlab仿真
1.算法理论概述 人脸识别是计算机视觉领域的重要研究方向，其目标是从图像或视频中准确地识别和识别人脸。传统的人脸识别方法通常基于特征提取和分类器，但面临特征选择和计算复杂度等问题。近年来，深度学习技术的发展为人脸识别带来了新的突破。本文介绍一种基于AutoEncoder自编码器的人脸识别算法，该算法 ......
基于AutoEncoder自编码器的MNIST手写数字数据库识别matlab仿真
1.算法理论概述 MNIST手写数字数据库是机器学习中常用的数据集，包含了0到9这10个数字的手写图片。本文介绍一种基于AutoEncoder自编码器的MNIST手写数字识别算法，通过训练自编码器对MNIST数据集进行特征提取和降维，对提取的特征进行分类识别。该算法在MNIST数据集上表现良好，并且 ......
变分自编码器（VAE）公式推导
论文原文：Auto-Encoding Variational Bayes [[OpenReview (ICLR 2014)](https://openreview.net/forum?id=33X9fd2-9FyZd) | [arXiv](https://arxiv.org/abs/1312.611 ......
基于VAE的风险分析：基于历史数据的风险分析、基于实时数据的风险分析
[toc] 1. 引言 随着人工智能和机器学习的发展，风险分析已经成为许多行业和组织中不可或缺的一部分。传统的基于经验和规则的风险分析方法已经难以满足现代风险分析的需求，因此基于VAE的风险分析方法逐渐成为了主流。本文将介绍基于历史数据和实时数据的风险分析方法，以及VAE技术在风险分析中的应用。 2 ......
Graph Masked Autoencoder for Sequential Recommendation
[TOC] > [Ye Y., Xia L. and Huang C. Graph masked autoencoder for sequential recommendation. SIGIR, 2023.](http://arxiv.org/abs/2305.04619) ## 概 图 + MA ......
量子机器学习Variational Quantum Classifier (VQC)简介
变分量子分类器（Variational Quantum Classifier，简称VQC）是一种利用量子计算技术进行分类任务的机器学习算法。它属于量子机器学习算法家族，旨在利用量子计算机的计算能力，潜在地提升经典机器学习方法的性能。 VQC的基本思想是使用一个量子电路，也称为变分量子电路，将输入数据 ......
【论文阅读】Masked Autoencoders Are Scalable Vision Learners
> # 🚩前言 > > - 🐳博客主页：😚[睡晚不猿序程](https://www.cnblogs.com/whp135/)😚 > - ⌚首发时间：2023.6.10 > - ⏰最近更新时间：2023.6.10 > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果 ......
Part2: DDPM as Example of Variational Inference
> 很多次翻看DDPM，始终不太能理解论文中提到的$\text{Variational Inference}$到底是如何在这个工作中起到作用。五一假期在家，无意间又刷到徐亦达老师早些年录制的理论视频，没想到其中也有介绍这部分的内容。老师的上课方式总是娓娓道来，把每一步都讲解得很仔细。本文记录一下个人 ......
从零开始实现VAE和CVAE
扩散模型可以看作是一个层次很深的VAE(变分自编码器)，前向（forward，或者译为正向）的过程，通过在多个尺度上添加噪声来逐步扰乱数据分布；然后是反向的过程，去学习如何恢复数据结构，上述的破坏和恢复过程分别对应于VAE中的编码和解码过程。所以VAE是一个重要的概念需要掌握，本文将用python从 ......
Halcon Variation_model 详解
介绍 使用Halcon 的差异模型进行检测，主要分为下面的四个步骤: create_shape_model 创建检测的区域匹配模板 注: 这里使用形状匹配模板，当然也可以通过其它的匹配算法实现 create_variation_model 创建差异模型 rain_variation_model 训练 ......
Variational Quantum Linear Solver 的MindQuantum复现
本教程复现论文Variational Quantum Linear Solver中的图四。图四使用了文中提出的VQLS算法求解文中II.B.1中给出的问题Ising-inspired QLSP，给出了参数$\kappa$与线路运行次数的关系。 VQLS算法用于求解线性方程的解，即对方程$Ax=b$， ......