课程进度 52% · 第8/14章第8/14章 · 标签 1/3
— 1 —
自编码器概述
基本概念
自编码器是一种无监督学习的神经网络模型，主要用于数据压缩和特征学习：
- 编码器：将输入数据压缩到低维潜在空间
- 解码器：从潜在表示重建原始数据
- 无监督学习：不需要标签数据
- 降维和特征提取：学习数据的重要特征
— 2 —
自编码器的类型
- 基本自编码器：简单的编码器-解码器结构，用于数据压缩和降维
- 稀疏自编码器：添加稀疏性约束，学习更有效的特征表示
- 去噪自编码器：输入加入噪声，提高模型的鲁棒性
- 变分自编码器：生成模型，学习数据的概率分布
应用场景
- 数据降维和压缩
- 特征提取和表示学习
- 异常检测
- 图像去噪和修复
- 生成模型