machine-learning - 自动编码器 : Find the important neurons

Question

我使用 Keras 实现了自动编码器，它采用 112*112*3 个神经元作为输入，将 100 个神经元作为压缩/编码状态。我想从这 100 个神经元中找出能够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？还有其他方法可以找到重要的神经元吗？

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

Answer 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，因为网络学习的方式以及它到底学习的内容尚不清楚，我建议您使用另一种自动编码器，它会自动学习潜在空间中数据的解缠结表示，这样您就可以确保找到的所有参数实际上都有助于数据的表示。检查这个article