Autoencoder 是一種無監督學習的神經網絡，分為編碼器（將數據壓縮為隱藏表示）和解碼器（將隱藏表示重建為原始數據）。其目標是最小化輸入和重建數據之間的誤差，廣泛應用於數據降維、特徵提取、去噪和生成模型（如變分自編碼器 VAE）。優點包括無需標籤學習和自動學習特徵，但也容易過擬合，需要大量數據和計算資源。
留言
Princend的沙龍
0會員
34內容數
Princend的沙龍的其他內容
2025/01/26
這本書旨在幫助創作者分享他們的過程並與受眾建立聯繫，而非僅僅是推銷自己。
## 第一章：你不需要是個天才
* **創造力不只是天賦，而是一種運作方式** 。
* 不要相信「孤獨的天才」神話，偉大的作品往往來自於一個互相支持、彼此學習的「群體」（**scenius**）
2025/01/26
這本書旨在幫助創作者分享他們的過程並與受眾建立聯繫，而非僅僅是推銷自己。
## 第一章：你不需要是個天才
* **創造力不只是天賦，而是一種運作方式** 。
* 不要相信「孤獨的天才」神話，偉大的作品往往來自於一個互相支持、彼此學習的「群體」（**scenius**）
2024/12/31
今年嘗試往不同領域去學習
甚至裸辭參加AI職訓班
雖然成長的幅度沒有想像的那麼好
但是至少是有成長的
期待未來的我
能夠持續學習
達到心中所想的目標
2024/12/31
今年嘗試往不同領域去學習
甚至裸辭參加AI職訓班
雖然成長的幅度沒有想像的那麼好
但是至少是有成長的
期待未來的我
能夠持續學習
達到心中所想的目標
2024/12/25
馬可夫鍊（Markov Chain） 是一種數學模型，用來描述一個系統在不同狀態之間的轉移過程，特點是未來的狀態只取決於當前狀態，而與過去的狀態無關。這種性質稱為馬可夫性質，即「無記憶性」。馬可夫鍊常用於統計學、機器學習、經濟學、生物學等領域。
2024/12/25
馬可夫鍊（Markov Chain） 是一種數學模型，用來描述一個系統在不同狀態之間的轉移過程，特點是未來的狀態只取決於當前狀態，而與過去的狀態無關。這種性質稱為馬可夫性質，即「無記憶性」。馬可夫鍊常用於統計學、機器學習、經濟學、生物學等領域。
你可能也想看
本章節將介紹解碼器的對偶電路 —— 編碼器（Encoder）。
透過本章學習，你將了解編碼器的邏輯運作原理與實務應用情境，並具備設計與分析編碼器電路的能力。
本章節將介紹解碼器的對偶電路 —— 編碼器（Encoder）。
透過本章學習，你將了解編碼器的邏輯運作原理與實務應用情境，並具備設計與分析編碼器電路的能力。
MAGI-1 是由 SandAI 開發的先進自回歸視頻生成模型，旨在通過自回歸方式預測視頻塊序列來生成高質量視頻。該模型經過訓練，能夠對視頻塊進行去噪，實現因果時間建模並支持流式生成。MAGI-1 在圖像到視頻（I2V）任務中表現卓越，提供高時間一致性與可擴展性，這得益於多項算法創新與專門的基礎設施
MAGI-1 是由 SandAI 開發的先進自回歸視頻生成模型，旨在通過自回歸方式預測視頻塊序列來生成高質量視頻。該模型經過訓練，能夠對視頻塊進行去噪，實現因果時間建模並支持流式生成。MAGI-1 在圖像到視頻（I2V）任務中表現卓越，提供高時間一致性與可擴展性，這得益於多項算法創新與專門的基礎設施
這是一場修復文化與重建精神的儀式，觀眾不需要完全看懂《遊林驚夢：巧遇Hagay》，但你能感受心與土地團聚的渴望，也不急著在此處釐清或定義什麼，但你的在場感受，就是一條線索，關於如何找著自己的路徑、自己的聲音。
這是一場修復文化與重建精神的儀式，觀眾不需要完全看懂《遊林驚夢：巧遇Hagay》，但你能感受心與土地團聚的渴望，也不急著在此處釐清或定義什麼，但你的在場感受，就是一條線索，關於如何找著自己的路徑、自己的聲音。
Autoencoder 是一種無監督學習的神經網絡，分為編碼器（將數據壓縮為隱藏表示）和解碼器（將隱藏表示重建為原始數據）。其目標是最小化輸入和重建數據之間的誤差，廣泛應用於數據降維、特徵提取、去噪和生成模型（如變分自編碼器 VAE）。優點包括無需標籤學習和自動學習特徵，但也容易過擬合，需要大量數據
Autoencoder 是一種無監督學習的神經網絡，分為編碼器（將數據壓縮為隱藏表示）和解碼器（將隱藏表示重建為原始數據）。其目標是最小化輸入和重建數據之間的誤差，廣泛應用於數據降維、特徵提取、去噪和生成模型（如變分自編碼器 VAE）。優點包括無需標籤學習和自動學習特徵，但也容易過擬合，需要大量數據
不需要去解析AI，就如同解析人類的腦袋一樣不重要！
分析大腦中，哪個部份是負責什麼任務，或許對於心理學或是腦神經科學有所幫助。但是如果要去解析AI的參數中，哪些參數是影響什麼，那就如同去研究腦細胞中，哪些是決定當下講出這一句話的哪一個文字一般，那麼的不重要… 決定一件事，並不是由一個細胞完成的，如果
不需要去解析AI，就如同解析人類的腦袋一樣不重要！
分析大腦中，哪個部份是負責什麼任務，或許對於心理學或是腦神經科學有所幫助。但是如果要去解析AI的參數中，哪些參數是影響什麼，那就如同去研究腦細胞中，哪些是決定當下講出這一句話的哪一個文字一般，那麼的不重要… 決定一件事，並不是由一個細胞完成的，如果
背景：從冷門配角到市場主線，算力與電力被重新定價
小P從2008進入股市，每一個時期的投資亮點都不同，記得2009蘋果手機剛上市，當時蘋果只要在媒體上提到哪一間供應鏈，隔天股價就有驚人的表現，當時光學鏡頭非常熱門，因為手機第一次搭上鏡頭可以拍照，也造就傳統相機廠的殞落，如今手機已經全面普及，題
背景：從冷門配角到市場主線，算力與電力被重新定價
小P從2008進入股市，每一個時期的投資亮點都不同，記得2009蘋果手機剛上市，當時蘋果只要在媒體上提到哪一間供應鏈，隔天股價就有驚人的表現，當時光學鏡頭非常熱門，因為手機第一次搭上鏡頭可以拍照，也造就傳統相機廠的殞落，如今手機已經全面普及，題
這篇文章提供機器學習和人工智慧的基礎概念，包含監督式學習、非監督式學習、強化學習，以及模型訓練、優化和評估等重要環節。文中也涵蓋了特徵工程、特徵縮放、維度詛咒等關鍵概念，並簡要介紹了正規化、K折交叉驗證等進階技術。
這篇文章提供機器學習和人工智慧的基礎概念，包含監督式學習、非監督式學習、強化學習，以及模型訓練、優化和評估等重要環節。文中也涵蓋了特徵工程、特徵縮放、維度詛咒等關鍵概念，並簡要介紹了正規化、K折交叉驗證等進階技術。
5 月將於臺北表演藝術中心映演的「2026 北藝嚴選」《海妲・蓋柏樂》，由臺灣劇團「晃晃跨幅町」製作，本文將以從舞台符號、聲音與表演調度切入，討論海妲・蓋柏樂在父權社會結構下的困境，並結合榮格心理學與馮．法蘭茲對「阿尼姆斯」與「永恆少年」原型的分析，理解女人何以走向精神性的操控、毀滅與死亡。
5 月將於臺北表演藝術中心映演的「2026 北藝嚴選」《海妲・蓋柏樂》，由臺灣劇團「晃晃跨幅町」製作，本文將以從舞台符號、聲音與表演調度切入，討論海妲・蓋柏樂在父權社會結構下的困境，並結合榮格心理學與馮．法蘭茲對「阿尼姆斯」與「永恆少年」原型的分析，理解女人何以走向精神性的操控、毀滅與死亡。
本文分析導演巴里・柯斯基（Barrie Kosky）如何運用極簡的舞臺配置，將布萊希特（Bertolt Brecht）的「疏離效果」轉化為視覺奇觀與黑色幽默，探討《三便士歌劇》在當代劇場中的新詮釋，並藉由舞臺、燈光、服裝、音樂等多方面，分析該作如何在保留批判核心的同時，觸及觀眾的觀看位置與人性幽微。
本文分析導演巴里・柯斯基（Barrie Kosky）如何運用極簡的舞臺配置，將布萊希特（Bertolt Brecht）的「疏離效果」轉化為視覺奇觀與黑色幽默，探討《三便士歌劇》在當代劇場中的新詮釋，並藉由舞臺、燈光、服裝、音樂等多方面，分析該作如何在保留批判核心的同時，觸及觀眾的觀看位置與人性幽微。
Naive Bayes是一種基於貝葉斯定理的機器學習分類演算法，適用於文本分類、垃圾郵件檢測及情感分析等任務。雖然假設特徵之間相互獨立，這在現實中不常成立，但其高效計算與穩定性使得在小數據集及高維度特徵空間中表現良好。
Naive Bayes是一種基於貝葉斯定理的機器學習分類演算法，適用於文本分類、垃圾郵件檢測及情感分析等任務。雖然假設特徵之間相互獨立，這在現實中不常成立，但其高效計算與穩定性使得在小數據集及高維度特徵空間中表現良好。
輸入層：接收數據，對應特徵值，是網絡的入口。
隱藏層：學習數據的抽象特徵，引入非線性，處理複雜模式。
輸出層：產生結果，將特徵轉換為預測值(regression)或分類(classification)結果。
陳縕儂老師說過 中間的隱藏層通常不會是線性的 如果全部都是線性 那任意交換隱藏層
輸入層：接收數據，對應特徵值，是網絡的入口。
隱藏層：學習數據的抽象特徵，引入非線性，處理複雜模式。
輸出層：產生結果，將特徵轉換為預測值(regression)或分類(classification)結果。
陳縕儂老師說過 中間的隱藏層通常不會是線性的 如果全部都是線性 那任意交換隱藏層
本章節將介紹常見數位邏輯模組中的關鍵元件之一 —— 解碼器（Decoder）。
透過本章的學習，你將掌握解碼器的邏輯結構、功能實現與實務應用，並能靈活運用於各類數位設計場景中。
本章節將介紹常見數位邏輯模組中的關鍵元件之一 —— 解碼器（Decoder）。
透過本章的學習，你將掌握解碼器的邏輯結構、功能實現與實務應用，並能靈活運用於各類數位設計場景中。