如何在 Matlab 中创建"Denoising Autoencoder"？

Question

我知道 Matlab 具有创建和训练自动编码器的功能TrainAutoencoder(input, settings)。结果能够运行">编码"和">解码"两个功能。 但这仅适用于普通自动编码器的情况。如果您想拥有一个降噪自动编码器怎么办？我搜索并找到了一些示例代码，他们使用"网络"功能将自动编码器转换为普通网络，然后像降噪自动编码器一样Train(network, noisyInput, smoothOutput)。

但是有多个缺失部分：

1. 如何使用这个新的网络对象来"编码"新的数据点？ 它不支持 encode((。
2. 如何从这个"网络"中获取特征的"潜在"变量？

如果有人可以帮助我解决这个问题，我将不胜感激。 谢谢 -萌萌

Answer 1

1. 目前(2019a(，MATALAB不允许用户在自动编码器中手动添加图层。如果你想建立自己的，你将使用MATLAB提供的层从头开始;
2. 为了使用TrainNetwork(...(来训练你的模型，你需要找到一种方法，将你的数据插入到一个名为imDatastore的对象中。自动编码器数据的困难在于没有标签，这是imDatastore所要求的，因此您必须找到一种聪明的方法来避免它 - 本质上您要处理所谓的OCC(一类分类(问题。

https://www.mathworks.com/help/matlab/ref/matlab.io.datastore.imagedatastore.html

3. 使用激活(...(转储中间(隐藏(层的输出

https://www.mathworks.com/help/deeplearning/ref/activations.html?searchHighlight=activations&s_tid=doc_srchtitle

我在使用 MATLAB 和
4. Python (Keras( 进行深度学习之间徘徊了几个星期，最终我选择了后者，尽管我是 MATLAB 的长期忠实用户和 Python 的新手。我的两分钱是，前者在深度学习方面有太多的限制。

祝你好运。

Answer 2

如果你的"模拟"意味着预测/推理，只需使用激活(...(来转储任何中间(隐藏(层的输出，如我之前提到的，以便你可以检查它们。

另一种方法是构建一个相同的网络，但仅使用编码部分，将训练好的参数复制到其中，并馈送模拟信号。