Create README.md

README.md

@@ -0,0 +1,33 @@
+Автоэнкодер - нейронная сеть, которая принимает входные данные и кодирует их, затем пытается восстановить их. 
+
+На этапе обучения модель кодирует входные данные и подбирает веса такие, чтобы при попытке их восстановления получилось изображение, максимально похожее на исходное. Размеченные данные не требуются. 
+
+Автоэнкодер может полезен для уменьшения размерности данных или удаления шума.
+
+В данной работе выбран автоэнкодер VAE (Variational Autoencoder), тип автоэнкодера, который добавляет вероятностный подход к обучению модели. Используется библиотека keras.
+
+архитектура автоэнкодера:
+![](sum.png "Параметры модели")
+
+Количество обучаемых параметров: encoder - 234372, decoder - 202256, всего: 436628
+
+Используемые алгоритмы: 
+
+Оптимизатор - adam.
+
+Функция потерь:
+
+def vae_loss(x, y):
+  x = K.reshape(x, shape=(batch_size, 28*28))
+  y = K.reshape(y, shape=(batch_size, 28*28))
+  loss = K.sum(K.square(x-y), axis=-1)
+  kl_loss = -0.5 * K.sum(1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1)
+  return loss + kl_loss
+
+Размеры обучающего, валидационного и тестового наборов данных, соответственно:
+
+(54000, 28, 28, 1), (6000, 28, 28, 1), (6000, 28, 28, 1)
+
+Ошибка, полученная при сравнении оригинального изображения и полученного из автоэнкодера:
+
+30.429147720336914 (ошибка на тренировочном датасете), 30.770627975463867 (на валидационном), 30.37934112548828 (на тестовом)