神经网络(neural network)的应用——自编码器(Autoencoder)
1. 自编码器简介
自编码器(Autoencoder,AE),是一种利用反向传播算法使得输出值等于输入值的神经网络,它先将输入压缩成潜在空间表征,然后通过这种表征来重构输出。
简单来说,就是可以自动实现编码与解码操作过程的网络模型,并且它的输入 x 与标签 y 相同,我们通过最小化标签 y 与输出 r 之间的误差,来优化自编码器模型。
因此,自编码器由两部分组成:
编码器:这部分能将输入压缩成潜在空间表征,可以用编码函数 h =f(x)表示。
解码器:这部分能重构来自潜在空间表征的输入,可以用解码函数 r =g(h)表示。
整个自编码器可以用函数g(f(x)) = r 来描述,其中输出r与原始输入 x 相近。
自编码器原理和各种变换的原理相似,都是将原始特征空间通过编码映射到一个新的编码空间,再由编码空间通过解码映射到解码空间。而当编