介紹
- 自編碼器（autoencoder, AE）是一類在半監督學習和非監督學習中使用的人工神經網絡（準確地來說自編碼器是一個自監督的算法，並不是一個無監督算法），其核心的作用是能夠學習到輸入數據的深層表示。自編碼器包含編碼器（encoder）和解碼器（decoder）兩部分。
- 自編碼器的相關模型：收縮自編碼器（undercomplete autoencoder）、正則自編碼器（regularized autoencoder）和變分自編碼器（Variational AutoEncoder, VAE），其中前兩者是判別模型、後者是生成模型。降噪自編碼器（Denoising Autoencoders，DAE）、棧式自編碼器（Stacked Autoencoders，SAE）、 稀疏編碼器
- 應用：
- 數據去噪：對訓練數據增加噪聲並訓練自編碼器使其能恢復原有。這些限制條件防止自編碼器機械地將輸入複製到輸出，並強制它學習數據的高效表示。可以參考論文棧式去燥自編碼器
- 非線性降維：自編碼的降維操作是一個有損的操作，解壓縮的輸出與原來的輸入相比是退化的。此外用於