詳細解釋
自編碼器（Autoencoder）是學習數據壓縮表示的神經網絡，由編碼器（壓縮）和解碼器（重建）組成。
架構：
- 編碼器：輸入→隱藏表示（瓶頸層）
- 瓶頸層：低維壓縮表示
- 解碼器：瓶頸→重建輸入
- 訓練目標：輸入輸出盡可能相似
變體：
- 去噪自編碼器：從噪聲輸入重建乾淨數據
- 稀疏自編碼器：瓶頸層L1正則化
- 變分自編碼器（變分自編碼器 (VAE)）：學習機率分布
- 對抗自編碼器：結合GAN
應用：
- 降維：可視化、特徵提取
- 去噪：圖像、音頻修復
- 異常檢測：重建誤差大的為異常
- 生成模型：變分自編碼器 (VAE)基礎
與PCA的比較：
- PCA：線性降維
- 自編碼器：非線性，更強大
瓶頸設計：
- 維度決定壓縮程度
- 可添加稀疏性約束
- 也可對抗訓練增強魯棒性