深度学习实战手册（R语言版）

第4章　使用自动编码器的数据表示

本章将介绍使用自动编码器（Autoencoder）的无监督深度学习应用程序。在本章中，我们将介绍以下主题：

• 构建自动编码器；
• 数据归一化；
• 构建正则化自动编码器；
• 微调自动编码器的参数；
• 构建栈式自动编码器；
• 构建降噪自动编码器；
• 构建并比较随机编码器和解码器；
• 从自动编码器学习流形（Manifolds）；
• 评估稀疏分解。

4.1　介绍

神经网络旨在找到输入与输出之间的非线性关系，如y = f (x)。自动编码器是一种无监督神经网络的形式，试图找到空间特征之间的关系，使得h = f (x)，这有助于我们学习输入空间之间的关系，并且可以用于数据压缩、降维和特征学习。

　一个自动编码器由一个编码器和一个解码器组成。编码器有助于将输入x编码为潜在表示y，而解码器将y转换回x。编码器和解码器都具有类似形式的表达式。

下面是一个单层自动编码器的表达式：

在包含的隐藏层下，编码器将输入X编码为h，而解码器可以从编码器的输出h获得原始数据。矩阵W_e和W_d分别表示编码器层和解码器层的权重。函数 ...