深度学习序列——噪声自编码器(WAE)
发布时间
阅读量：
阅读量
- 模型简介
为增强自编码器的泛化能力与稳定性，我们在输入数据中引入高斯白噪声，并利用深度网络对其进行学习，从而得到在无噪声条件下的输出结果。这一过程实质上具备一定的去噪效果。最初，该目标是通过堆叠式自动编码器来实现噪声的消除。
- 模型实现
（需注意的是，该模型与传统自编码器的主要差异在于：输入至网络的数据为含噪声的数据，而所采用的代价函数则是基于无噪声数据进行计算的）
# whilt gaussian noise Auto-Encoder
#
# Author: HSW
# Date: 2018-05-07
#
import tensorflow as tf
import numpy as np
def axvier_init(fan_in, fan_out, constant = 1):
''' Initial weights '''
low = -constant + np.sqrt(6.0 / (fan_in + fan_out))
high = constant + np.sqrt(6.0 / (fan_in + fan_out))
return tf.random全部评论 (0)
还没有任何评论哟~