自编码器 自编码器本质上是一个前馈网络，可以使用与传统前馈网络相同的损失函数和输出单元。设计前馈网络的输出单元和损失函数普遍策略是定义一个输出分布 并最小化负对数似然 。在这种情况下， 是关于目标的向量（如类标）。在自编码器中， 既是输入也是目标。然而，我们仍然可以使用与之前相同的架构。给定一个...
自编码器（autoencoder）是神经网络的一种，经过训练后能尝试将输入复制到输出。 自编码器内部有一个隐藏层 ，可以产生编码（code）表示输入。该网络可以看作由两部分组成：一个由函数 表示的编码器和一个生成重构的解码器 。如图1，为自编码器一般结构。通过内部表示或编码 将输入 映射到输出（称为重构）...
自编码器是一种无监督学习算法，其输出能够实现对输入数据的复现。自编码器的概念是 Rumelhart等最早提出的，自编码器是一种数据压缩算法，它使用编码器实现数据压缩，使用解码器实现解压缩。编码阶段将高维数据映射成低维数据，减少数据量；而解码阶段正好相反， 从而实现对输入数据的复现。2006 年，Hinton 等将其作为...
编码器（encoder）是将信号（如比特流）或数据编制、转换为可用以通讯、传输和存储之形式的设备。编码器是把角位移或直线位移转换成电信号的一种装置。前者成为码盘，后者称码尺．按照读出方式编码器可以分为接触式和非接触式两种．接触式采用电刷输出，一电刷接触导电区或绝缘区来表示代码的状态是“1”还是“0”；...
自动编码器 自动编码器（autocoder）是2008年发布的信息科学技术名词。公布时间 2008年经全国科学技术名词审定委员会审定发布。出处 《海峡两岸信息科学技术名词》。
稀疏自编码器是一种无监督机器学习算法，通过计算自编码的输出与原输入的误差，不断调节自编码器的参数，最终训练出模型。自编码器可以用于压缩输入信息，提取有用的输入特征。提出思路 自编码器最初提出是基于降维的思想，但是当隐层节点比输入节点多时，自编码器就会失去自动学习样本特征的能力，此时就需要对隐层...
去噪自编码器（denoising autoencoder，DAE）是一类接受损坏数据作为输入，并训练来预测原始未被损坏数据作为输出的自编码器。简介 自编码器(Autoencoder)的学习只是简单地保留原始输入数据的信息，并不能确保获得一种有用的特征表示。因为自编码器可能仅仅简单地拷贝原始输入，或者简单地选取能够稍微改变重构误差，却不...
定义 正则自编码器使用的损失函数可以鼓励模型学习其他特性（除了将输入复制到输出），而不必限制使用浅层的编码器和解码器以及小的编码维数来限制模型的容量。这些特性包括稀疏表示、表示的小导数、以及对噪声或输入缺失的鲁棒性。即使模型容量大到足以学习一个无意义的恒等函数，非线性且过完备的正则自编码器仍然能够...