dae去噪自编码器如何实现去噪_可以使用深度学习中的自编码器对含有噪声的时间序列去躁吗 实现起来复杂吗？...

泻药，

自编码器(autoencoder AE)的结构可视为一函数f. 例如给一张输入256x256x3图像

函数输出 y=f(x)，与输入x的尺度相同。

输入的多维数组(也可称张量，是张量在欧氏空间单位正交基下的简单特例)，可以是任意尺寸包含任何数据。所以只要希望输入输出一样大小，不管功能是什么，都可考虑AE。

若AE是用全联接、卷积、非线性激活函数构成的神经网络，那么当层数和参数数量大于上界条件时，总存在一组参数的取值，使得该神经网络可以任意小的误差拟合数据集。所以说到这当然可以用AE。

那么题主问的应该不是可否用，而是怎么花式用了。

最简单的是将序列排放成长条状张量，直接输入给AE。优点是每层都能获得全局信息。缺点是用cnn时局部信息的计算无法考虑到完整的全局信息。

复杂一点用RNN模型，里面某个单元比如输出门用AE来代替简单的全联接。

我倒是做过时序的去噪，双向lstm，有些效果。根据类似mean shift 的概率形式推导把里边的玩意儿改成DAE，是可以的。