图解深度学习-自编码器

 自编码器是一种基于无监督学习的数据维度压缩和特征表达方法，多层自编码器能够更好地进行压缩和特征表达。

自编码器

自编码器 是一种有效的数据维度压缩算法，主要 应用在以下两个方面 ·

1 构建 一种能够 重构输入样本并进行特征表达的神经网络 ·

2 训练多层神经网络时，通过自编码器训练样本得到参数初始值

 自编码器通过不断调整参数，重构经过维度压缩的输入样本。

降噪自编码器

自编码器的重构结果和输入样本的模式是相同的

降噪自编码器通过在训练样本中加入随机噪声。训练的过程中，使重构结果与不含噪声的样本之间的误差最小。 

稀疏自编码器

稀疏自编码器是通过加入正则化，使大部分单元的输出都变为0，这样就可以利用少数单元完成压缩和重构。