会员服务
自动编码器是一种人工神经网络，用于以无监督的方式学习有效的数据编码。自动编码器的目的是通过训练网络忽略信号“噪声”来学习一组数据的表示（编码），通常用于降维。与简化方面一起，学习了重构方面，在此，自动编码器尝试从简化编码中生成尽可能接近其原始输入的表示形式，从而得到其名称。基本模型存在几种变体，其目的是迫使学习的输入表示形式具有有用的属性。自动编码器可有效地解决许多应用问题，从面部识别到获取单词的语义。
Mechanistic Knobs in LLMs: Retrieving and Steering High-Order Semantic Features via Sparse Autoencoders
Arxiv
0+阅读 · 1月6日
Hunting for "Oddballs" with Machine Learning: Detecting Anomalous Exoplanets Using a Deep-Learned Low-Dimensional Representation of Transit Spectra with Autoencoders
Arxiv
0+阅读 · 1月5日
Applying Deep Learning to Anomaly Detection of Russian Satellite Activity for Indications Prior to Military Activity
Arxiv
0+阅读 · 1月4日
Latent Space Reinforcement Learning for Multi-Robot Exploration
Arxiv
0+阅读 · 1月3日
From Autoencoders to CycleGAN: Robust Unpaired Face Manipulation via Adversarial Learning
Arxiv
0+阅读 · 1月2日
Attribution-Guided Distillation of Matryoshka Sparse Autoencoders
Arxiv
0+阅读 · 2025年12月31日
Complex variational autoencoders admit Kähler structure
Arxiv
0+阅读 · 2025年12月30日
Predicting large scale cosmological structure evolution with generative adversarial network-based autoencoders
Predicting large scale cosmological structure evolution with generative adversarial network-based autoencoders
Arxiv
0+阅读 · 2025年12月29日
Convolutional autoencoders for the reconstruction of three-dimensional interfacial multiphase flows
Arxiv
0+阅读 · 2025年12月26日
GQ-VAE: A gated quantized VAE for learning variable length tokens
Arxiv
0+阅读 · 2025年12月26日
mLaSDI: Multi-stage latent space dynamics identification
Arxiv
0+阅读 · 2025年12月23日
Accurate and Diverse Recommendations via Propensity-Weighted Linear Autoencoders
Arxiv
0+阅读 · 2025年12月24日
Theoretical Convergence Guarantees for Variational Autoencoders
Arxiv
0+阅读 · 2025年12月22日
A Critical Assessment of Pattern Comparisons Between POD and Autoencoders in Intraventricular Flows
Arxiv
0+阅读 · 2025年12月22日
Kronecker Factorization Improves Efficiency and Interpretability of Sparse Autoencoders
Arxiv
0+阅读 · 2025年12月22日
参考链接
微信扫码咨询专知VIP会员
Top