一、Auto-encoder
通过重建输入得到一个低维空间的code
二、Deep Auto-encoder
输入从高维映射到低维再到高维。可以约束对应的encoder和decoder层的参数互为逆变换,即W1与W1^T对应,但一般没有必要约束,直接train就行。
在手写数字辨识中,Deep Auto-encoder比PCA重构的结果好,数据映射到低维空间区分度也更高。
三、应用
1、文字检索
2、图片搜索
直接对比图片像素可能得不到好的效果,如图所示可能将人脸识别成马蹄铁。而进行自编码得到code进行比较效果会更好。