本文主要是介绍AutoEncoder个人记录，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
原理
最常见的降维算法有主成分分析法PCA，通过对协方差矩阵进行特征分解而得到数据的主要成分，但是 PCA 本质上是一种线性变换，提取特征的能力极为有限。
AutoEncoder把长度为d_in输入特征向量变换到长度为d_out的输出向量，借助于深层神经网络的非线性特征提取能力， 自编码器可以获得良好的数据表示，甚至可以更加完美的恢复出输入𝒙。
Encoder：把高维输入x编码成低维的隐藏向量h（使神经网络学习最有信息量的特征）
Decoder：把隐藏向量h还原到初始维度，最好能够完美地或者近似恢复出原来的输入x
参考&转载：
自编码器(Auto-Encoder)-CSDN博客
这篇关于AutoEncoder个人记录的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
