MovieLens1M基于深度学习的电影推荐系统 使用MovieLens1M数据集（数据可以从下载），实现自动编码器（AE），可变自动编码器（VAE），BERT提取电影名特征3种方法，对评分矩阵进行耦合，继而对用户做出推荐。 代码建议在Google Colab环境下运行，代码中的目录请根据自己的实际目录进行修改。 本代码主目录和子目录如下： / content / drive / Movie_lens / --------- ml-1m（包含数据集的文件夹） ---------自动编码器.ipynb ---------基于BERT的recommender.ipynb 1个型号： 1.1自动编码器 1.2可变自动编码器 1.3基于BERT 2实验结果： 2.1自动编码器的训练损失和验证损失的MSE 2.2变分自动编码器的训练损失和验证损失的MSE 2.3基于BERT的训练损失和测试损失的M

这是一款可由用户灵活自定义规格定义项和编码规则的自动编码系统，支持16段规格定义项(8段特项和8段自定义项)和10段信息的编码（如：大类+小类+特项规格+自定义规格+供应商代码），适用于所有行业的所有物料编码，为未来的物联网和“共享智造”提供规范入口。 其中包含五大管理模块： 1. 用户管理（含权限管理） 2. 编码规则管理（可根据各行业产品特点自由设计） 3. 客商信息管理 4. 特项管理（用于封闭式防呆编码） 5. 编码管理（重复性识别与自动编码） 每个模块都支持查询（有精确和模糊搜索）、新增、修改、删除功能，操作非常简单！ 用户名和密码都是：admin

有效压缩量子数据的量子自动编码器

NNSAE：非负稀疏自动编码器（NNSAE）。 自动编码器神经网络中非负和稀疏编码的有效在线学习方案

深度前馈卷积稀疏降噪自动编码器的多级委员会用于对象识别

PyChat-LSTMAutoencoder：使用Corenell电影对话语料库上的LSTM自动编码器模型实现的适用于Facebook的聊天机器人

这个存储库包含使用深度学习对高分辨率图像进行分解的工作的代码。目前最先进的方法，如BM3D，KSVD和非本地手段确实能够产生高质量的去噪效果。但是当图像的大小变得非常高时，例如。 4000 x 80000像素，那些高质量的结果以高计算时间为代价。这个耗时的因素可以作为一个动机来提出一个模型，可以在更短的时间内提供可比较的结果，如果不是更好的话。因此，我使用了一种深度学习方法，它会自动尝试学习将噪声图像映射到其去噪版本的功能。

深度学习算法的自动编码解码器Python程序，可用于图像识别，或通信系统等的自动编码解码信号处理，解码编码基于深度学习的多层神经算法。

Autoencoder_Code，深度学习自动编码技术

最先提出深度学习算法hinton的自动编码器matlab代码，内容是：利用多层rbm进行自动编码的多层特征训练，然后使用梯度算法进行fine turn。可以进行特征提取，也可以进行分类。