自動編碼器的應用是什麼？

資料壓縮被應用於計算機視覺、網路、架構和許多其他領域。人工智慧包含廣泛的技術和方法，使計算機系統能夠應對資料壓縮等挑戰。自動編碼器是無監督神經網路，透過機器學習壓縮資料。

什麼是自動編碼器？

自動編碼器 (AE) 是一種無監督的人工神經網路，在機器學習中提供壓縮和其他功能。自動編碼器的主要功能是使用前饋方法從輸入重建輸出。輸入在被解壓縮為輸出之前會被壓縮，輸出通常與原始輸入相同。自動編碼器就像一個衡量和比較相似輸入和輸出以執行結果的工具。

自動編碼器也稱為陀螺網路或自動關聯器。

編碼器、程式碼和解碼器是自動編碼器的三個主要組成部分。初始資料被轉換為編碼結果，然後由網路的後續層擴充套件為最終輸出。檢查“去噪”自動編碼器是瞭解自動編碼器的一種方法。去噪自動編碼器透過將噪聲輸入與輸出結合來細化輸出，從而重建表示原始輸入集的內容。自動編碼器在影像處理、分類和機器學習的其他方面都有應用。

自動編碼器架構

自動編碼器由三個部分組成：

**編碼器** - 編碼器是一個完全整合的、前饋神經網路，它將輸入影像壓縮到潛在空間表示中，並將其編碼為低維度的壓縮表示。壓縮後的影像是對原始影像的變形複製。
**程式碼** - 網路的這一部分儲存傳遞給解碼器的輸入的縮減表示。
**解碼器** - 解碼器與編碼器類似，也是一個前饋網路，結構與編碼器相同。該網路負責將提供的程式碼重新組裝到其原始維度。

自動編碼器的型別

卷積自動編碼器

自動編碼器在其傳統結構中忽略了訊號可以被視為其他訊號之和的思想。卷積自動編碼器利用了這一發現，它使用卷積運算子。它們學習將輸入編碼為一系列基本訊號，然後透過改變影像的幾何形狀或反射率從這些訊號重建輸入。

稀疏自動編碼器

稀疏自動編碼器提供了另一種在不減少隱藏層中節點數量的情況下引入資訊瓶頸的方法。相反，我們將設計我們的損失函式來懲罰層內的啟用。

深度自動編碼器

深度自動編碼器是普通自動編碼器的擴充套件。深度自動編碼器的第一層用於表示原始輸入中的第一階特徵。第二層表示與第一階特徵外觀模式相關的第二階特徵。深度自動編碼器的更深層更有可能學習更高階的特徵。

深度自動編碼器由兩個對稱的深度信念網路組成

前四五層淺層表示網路的編碼部分，後四五層外部層表示網路的解碼部分。
解碼部分包含第二組四五層。

收縮自動編碼器

收縮自動編碼器是一種深度學習方法，它透過神經網路幫助編碼未標記的訓練輸入。這是透過建立一個損失項來實現的，與輸入訓練樣本相比，該損失項會懲罰隱藏層啟用的大導數。有效地懲罰輸入的微小變化導致編碼空間發生顯著差異的情況。