1.自编码器(keras+mnist)

介绍

• 自编码器（autoencoder, AE）是一类在半监督学习和非监督学习中使用的人工神经网络（准确地来说自编码器是一个自监督的算法，并不是一个无监督算法），其核心的作用是能够学习到输入数据的深层表示。自编码器包含编码器（encoder）和解码器（decoder）两部分。
• 自编码器的相关模型：收缩自编码器（undercomplete autoencoder）、正则自编码器（regularized autoencoder）和变分自编码器（Variational AutoEncoder, VAE），其中前两者是判别模型、后者是生成模型。降噪自编码器（Denoising Autoencoders，DAE）、栈式自编码器（Stacked Autoencoders，SAE）、 稀疏编码器
• 应用：
  • 数据去噪：对训练数据增加噪声并训练自编码器使其能恢复原有。这些限制条件防止自编码器机械地将输入复制到输出，并强制它学习数据的高效表示。可以参考论文栈式去燥自编码器
  • 非线性降维：自编码的降维操作是一个有损的操作，解压缩的输出与原来的输入相比是退化的。此外用于