一、引言深度学习是人工智能的基石，正飞速地改变着我们的生活，也是现在最热的研究方向之一。深度学习的传统方法是监督学习，需要提供大量人工标注的样本标签。但像很多时候很难提供准确的样本标签，比如真实地震勘探数据的去除噪声标签。这时研究非监督学习就很重要了。其中一个非监督学习算法就是自编码。二、什么是自编码自编码是区别于人工编码的过程，人工编码是通过人的经验将数据进行编码。而自编码过程是不需要人工的。那么，自编码一定需要有办法知道自己的编码方法是否合理。这个方法就是解码器，用解码器来看解码之后的复原情况。如果我能通过解码器将编码器压缩的数据恢复得差不多，那么编码就是合理的。如下图：什么是自动编码？“自动编码”是一种数据压缩算法，其中的压缩和解压缩功能是1）特定于数据的，2）有损的，以及3）从示例中自动学习的，而不是人工设计的。此外，一般来说：“自动编码器”的压缩和解压缩功能都是用神经网络实现的。自编码网络的一般结构。要构建一个自动编码器，至少需要三个结构：一个编码函数，一个解码函数，以及损失函数（表示编码层和解码层之间的信息丢失的误差）。编码器和解码器都是参数可调的函数（一般使用神经网络实现），并且相对于距离函数是可微的，因此可以使用随机梯度下降来优化编码/解码函数的参数，以最小化重建损失。三、自编码的特性1.自动编码的特点自动编码器不是一种真正的无监督学习技术（这意味着完全不同的学习过程），它们是一种自监督技术（通过非人工标注的训练集学习），是一种监督学习的具体实例，目标是从输入数据中生成的。它们之所以受到如此多的研究和

转载请注明:http://www.aideyishus.com/lkcf/7833.html