【文件属性】：
文件名称：Markov-Lipschitz-Deep-Learning
文件大小：108.59MB
文件格式：ZIP
更新时间：2021-05-30 10:26:53
Python
Markov-Lipschitz 深度学习 (MLDL)
Spheres 数据集上三个自动编码器的训练过程比较。
这是的 PyTorch 实现：
@article { Li-MLDL-2020 ,
title = { Markov-Lipschitz Deep Learning } ,
author = { Stan Z Li and Zelin Zang and Lirong Wu } ,
journal = { arXiv preprint arXiv:2006.08256 } ,
year = { 2020 }
}
与其他流行方法相比，MLDL 用于流形学习和生成的主要特征总结如下：
MLDL（我们的）
AE/地形AE
MLLE
ISOMAP
t-SNE
没有解码器的流形学习
是的
不
是的
是的
是的
学习到的 NLDR 模型适用于测试数据
【文件预览】：
Markov-Lipschitz-Deep-Learning-master
----samples_generator_new.py(62KB)
----param()
--------mnist_25.json(504B)
--------mnist_2.json(531B)
--------spheres5500_ae.json(505B)
--------spheres5500_enc.json(512B)
--------spheres10000_enc.json(522B)
--------spheres10000_ae.json(482B)
----utils.py(23KB)
----main.py(16KB)
----model.py(3KB)
----loss.py(7KB)
----dataset.py(6KB)
----LICENSE(1KB)
----eval.py(1KB)
----README.md(8KB)
----figs()
--------vanilla.gif(6.67MB)
--------MLDL.jpg(474KB)
--------swiss roll.png(1.43MB)
--------mnist.png(2.44MB)
--------MLDL.gif(23.89MB)
--------MLDL_Features.png(67KB)
--------MLDL.png(203KB)
--------generation.PNG(136KB)
--------latent.gif(36.18MB)
--------ML-AE.gif(11.82MB)
--------generalization.PNG(121KB)
--------sphere5500.png(870KB)
--------train.gif(24.13MB)
--------topoae.gif(9.15MB)
--------ML-AE-Spheres-10000.gif(10.85MB)
--------sphere10000.png(1.23MB)
--------ML-Spheres-5500.gif(6.17MB)
--------ML-AE-Spheres-5500.gif(6.17MB)