自动编码器AutoEncoder学习总结

      自编码器AutoEncoder是一种尽可能复现输入信号的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。

神经网络，例如多层感知机中，输入经过隐层变换之后，得到一个输出，然后计算与target（或label）之间的差异去改变前面各层的参数，直到收敛，这个过程就是著名的BP网络思想，如上图所示。但是自动编码器与之不同的是，我们没有target，那么怎么训练呢？

如上图所示，自动编码器AutoEncoder中将输入input输入一个编码器encoder，得到一个中间的向量表示code，这个code也就是输入的一个表示，那我们怎么知道code表示的就是input呢？我们将code输入到解码器decoder中，得到一个输出，如果这个输出与输入input很像的话