自编码器----Autoencoder
Posted lee-yl
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了自编码器----Autoencoder相关的知识，希望对你有一定的参考价值。
一、自编码器：降维【无监督学习】
PCA简介：【线性】原矩阵乘以过渡矩阵W得到新的矩阵，原矩阵和新矩阵是同样的东西，只是通过W换基。
自编码：
自编码和PCA的区别：
由于神经网络能够学习非线性关系，因此可以认为这是PCA更有力（非线性）的泛化。而PCA试图发现描述原始数据的低维超平面，自编码器则能够学习非线性流形（流形为连续的非交叉的曲面）。这两种方法之间的区别如下图所示。
自编码还原的结果比PCA清晰。
而两者的重点是要拿到比较好的30维code。
二、降噪自编码【加噪声】
三、CNN、DNN、RBM、DBN来实现自编码：
以上是关于自编码器----Autoencoder的主要内容，如果未能解决你的问题，请参考以下文章
机器学习-白板推导系列(三十二)-变分自编码器(VAE，Variational AutoEncoder)