文章 "神经网络变得轻松（第二十部分）：自动编码器"

MetaQuotes 2022.10.17 10:36

我们继续研究无监督学习算法。一些读者可能对最近发表的与神经网络主题的相关性有疑问。在这篇新文章中，我们回到了对神经网络的研究。

一般情况下，自动编码器是由两个编码器和解码器模块组成的神经网络。编码器源数据层和解码器结果层包含相同数量的元素。它们之间有一个隐藏层，通常比源数据小。在学习过程中，这一层的神经元形成一种潜在（隐藏）状态，能以压缩形式描述源数据。

这类似于我们采用主成分分析方法解决的数据压缩问题。不过，稍后我们讨论的方法中会存在一些差异。

如上所述，自动编码器是一种神经网络。它通过反向传播方法进行训练。诀窍在于，因为我们用的是未标记的数据，所以我们首先训练模型，再用编码器将数据压缩到潜在状态的大小。然后，在解码器中，模型在数据恢复到原始状态时信息损失将会最小。