每个输入神经元一个矢量的Tensorflow自动编码器
我不熟悉tensorflow和深层神经网络。 我目前正在尝试使用自动编码器对轨迹进行异常检测，我的模型有问题 我无法得到正确的权重矩阵/不确定如何做 这是我的模型：每个输入神经元一个矢量的Tensorflow自动编码器,tensorflow,neural-network,deep-learning,autoencoder,anomaly-detection,Tensorflow,Neural Network,Deep Learning,Autoencoder,Anomaly Detection,我不熟悉tensorflow和深层神经网络。 我目前正在尝试使用自动编码器对轨迹进行异常检测，我的模型有问题 我无法得到正确的权重矩阵/不确定如何做 这是我的模型： 我的编码器的每个输入神经元接收一个具有4个特征的向量（该向量对应于作为我轨迹一部分的观察值） 输入神经元的数量对应于观察的数量（289） 我总共有336条轨迹与我的批次对应 因此，我的输入数据形状类似于（336289,4） 我有两个隐藏层；在每一个神经元上，我们将先前神经元的数量除以2，因此对于h1我们有144个神经元和h2
- 我的编码器的每个输入神经元接收一个具有4个特征的向量（该向量对应于作为我轨迹一部分的观察值）
- 输入神经元的数量对应于观察的数量（289）
- 我总共有336条轨迹与我的批次对应
- 我有两个隐藏层；在每一个神经元上，我们将先前神经元的数量除以2，因此对于h1我们有144个神经元和h2 72个神经元
weights = {
'encoder_h1': tf.Variable(tf.random_normal([336, n_hidden_1, 289])),
'encoder_h2': tf.Variable(tf.random_normal([336, n_hidden_2, n_hidden_1])),
'decoder_h1': tf.Variable(tf.random_normal([336, n_hidden_1, n_hidden_2])),
'decoder_h2': tf.Variable(tf.random_normal([336, n_input, n_hidden_1 ])),
}
tf.nn.sigmoid(tf.add(tf.matmul(weights['encoder_h1'],x),
biases['encoder_b1'])