自动编码器：找到重要的神经元答案

【问题标题】：Autoencoders: Find the important neurons自动编码器：找到重要的神经元
【发布时间】：2019-12-21 14:58:28
【问题描述】：

我使用 Keras 实现了自动编码器，它将112*112*3 神经元作为输入，100 神经元作为压缩/编码状态。我想从这 100 个神经元中找出学习重要特征的神经元。到目前为止，我已经使用以下步骤计算了特征值（e）和特征向量（v）。我发现（e）的前 30 个值大于 0。这是否意味着前 30 个模式是重要的？有没有其他方法可以找到重要的神经元？

提前致谢

x_enc = enc_model.predict(x_train, batch_size=BATCH_SIZE) # shape (3156,100)
x_mean = np.mean(x_enc, axis=0) # shape (100,)
x_stds = np.std(x_enc, axis=0) # shape (100,)
x_cov = np.cov((x_enc - x_mean).T) # shape (100,100)
e, v = np.linalg.eig(x_cov) # shape (100,) and (100,100) respectively

【问题讨论】：

标签： machine-learning pca autoencoder eigenvalue eigenvector

【解决方案1】：

我不知道您使用的方法是否真的会给您带来任何有用的结果，因为网络的学习方式及其确切学习的内容尚不清楚，我建议您使用不同类型的自动编码器，它会自动学习在潜在空间中解开数据的表示，这样您就可以确定您找到的所有参数实际上都有助于数据的表示。检查这个article

【讨论】：