【小白学习keras教程】七、基于Digits数据集训练基本自动编码器无监督神经网络

@Author：Runsen

• 本文博客目标：了解自动编码器的基本知识

• 参考文献

  • https://blog.keras.io/building-autoencoders-in-keras.html
  • https://medium.com/@curiousily/credit-card-fraud-detection-using-autoencoders-in-keras-tensorflow-for-hackers-part-vii-20e0c85301bd

我们将探索一种称为 Autoencoders 的无监督学习神经网络。
因此，自编码器是用于在输出层重现输入的深层神经网络，即输出层中的神经元数量与输入层中的神经元数量完全相同

自动编码器

• 一种无监督神经网络结构，用于获得压缩编码
• 主要用于降维、生成模型、去噪等。

• 自动编码器的两个主要部件；encoder and decoder
  • encoder编码器将输入压缩成一小组“代码”（通常，编码器输出的维数远小于编码器输入）
  • 然后decoder解码器将编码器输出扩展为与编码器输入具有相同维数的输出
  • 换句话说，autoencoder的目标是在学习数据的有限表示（即“代码”）的同时“重建”输入

自编码器有两部分，即编码器和解码器。

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/118719215