神经网络（neural network）的应用——自编码器（Autoencoder）

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