本文共 568 字，大约阅读时间需要 1 分钟。

学习资料

自编码器是一种能够通过无监督学习，学到输入数据搞笑表示的人工神经网络。输入数据的这一高效表示称为编码，其维度一般远小于输入数据，使得自编码器可用于降维。自编码器可以用用于特征检测，也可以随机生成与训练数据类似的数据，这被称作生成模型。比如，可以用人脸图片训练自编码器，可以生成新的图片。

一个自编码器接收输入，将其转换成高i笑傲的内部表示，然后再输出输入数据的类似物。自编码器通常包括两部分：encoder(也称为识别网络)将输入转换成内部表示，decoder(也称为生成网络)将内部表示转换成输出

由于内部表示的维度小于输入数据，这称为不完备自编码器。

在

再介绍以下栈式自编码器。和其他神经网络一样，自编码器可以有多个隐层，这被称作栈式自编码器。增加隐层可以学到更复杂的编码，但千万不能使自编码过于强大。

栈式自编码器要求权重对称，这就使得模型参数减半，加快了训练速度并降低了过拟合风险。

在

再看看去噪自编码器，它的过程如下，就是在输入阶段九加入噪声

另外聊聊它的稀疏性

如果隐藏节点数目过多，甚至比可视节点数目还多的时候，自编码器不仅会丧失这种能力，更科恩那个会习得一种恒等函数。所谓稀疏性，就是对一对输入图像，隐藏节点中被激活得节点数远远小于被抑制得节点数目。那么使得神经元大部分得时间都是被抑制，称作稀疏性限制。在

转载地址：https://blog.csdn.net/zhouzhouasishuijiao/article/details/86289705 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！