使用稀疏自编码器实现高光谱图像异常探测
其中包含：
1、训练部分 train_SAE_pytorch.py
2、探测部分 Anomaly_detection.py
3、用到的读取数据集的函数 datasets.py
4、圣地亚哥机场高光谱数据集 sandiego_plane.mat
2022-07-30 09:08:28
3.06MB
1
这是实现UFLDL第二单元“矢量化编程”中用MNIST数据集训练稀疏自编码器主程序，调用了上传的其它几个函数。我的机器上运行10000个样本集的训练大约需要45分钟
2022-03-24 09:57:56
1KB
1
鉴于将深度学习应用于变压器故障诊断具有良好的故障诊断效果,提出了一种基于栈式稀疏自编码器的矿用变压器故障诊断方法。通过在自编码器隐含层引入稀疏项限制构成稀疏自编码器,再将多个稀疏自编码器进行堆叠形成栈式稀疏自编码器,并以Softmax分类器作为输出层,建立矿用变压器故障诊断模型;利用大量无标签样本对模型进行无监督预训练,并通过有监督微调优化模型参数。算例分析结果表明,与栈式自编码器相比,栈式稀疏自编码器应用于矿用变压器故障诊断具有更高的准确率。
2021-06-29 15:07:54
425KB
1
CS294A Lecture notes Sparse autoencoder，Andrew Ng，Stanford University
2019-12-21 22:20:04
414KB
1
这个函数可以从UFLDL网站上下载，其好处是在用10000个样本优化30多万个参数时内存不溢出，比网站上所用的minFunc函数好。我下载后整理了一下，翻译了注释，行数从800多行压倒660行
2019-12-21 21:02:57
29KB
1
Sparse deep-learning algorithm for recognition and categorisation
sparseae_exercise
sparseAutoencoder稀疏自编码
稀疏编码算法概述
稀疏编码算法中的自适应问题研究
2013-10-09 00:00:00
12.68MB
1