一 自编码器概念(AE)
自编码器模型主要由编码器(Encoder)和解码器(Decoder)组成,其目的是将输入X转换成中间变量y,然后再将y转换成,然后对比输入X和输出 ,使得它们两个无限接近。
特点:
1.输入层和输出层有相同数量的神经元。
2.中间隐藏层的神经元个数非常少。
二 变分自编码器(VAE)
Variational Auto-Encoder
与AE的区别:VAE不再把输入映射到固定的变量上,而是映射到一个分布上。
损失函数:(这里损失函数是越大越好)
这里的KL散度描述了学习的分布和先验的概率分布之间的相似性。
KL 散度是一种衡量两个概率分布的匹配程度的指标,两个分布差异越大,KL散度越大。
学习链接:
【全】一文带你了解自编码器(AutoEncoder) - 知乎 (zhihu.com)
【变分自编码器VAE】可视化讲明白_哔哩哔哩_bilibili
[论文简析]VAE: Auto-encoding Variational Bayes[1312.6114]_哔哩哔哩_bilibili